[发明专利]一种基于异质交互行为的数字教育资源匹配方法及系统

说明书

本发明公开了一种基于异质交互行为的数字教育资源匹配方法及系统。该方法包括步骤：获取数字教育资源数据，数字教育资源数据包含学习者对资源的偏好数据、资源属性数据、学习者对资源的评论数据，每个学习者有唯一的编号；根据偏好数据、资源属性数据构建异质图，对异质图进行特征提取获得每个资源的异质流特征向量，根据评论数据获取每个资源的文本特征向量；将同一个资源的异质流特征向量、文本特征向量进行拼接获得每个资源的特征向量；将待匹配的目标学习者编号及每个资源的特征向量输入到训练后的推荐模型中，输出被推荐的数字教育资源。本发明可以提升数字教育资源匹配的准确度，从而更好地提供个性化学习服务。

技术领域

本发明属于人工智能教育技术领域，更具体地，涉及一种基于异质交互行为的数字教育资源匹配方法及系统。

背景技术

随着人工智能和5G技术的飞速发展，信息呈现出爆炸式的增长，信息过载问题也随之应允而出，即用户无法在海量的信息中选择出自己真正需要的信息，在这种情况下，推荐系统也随之诞生。近些年来，随着深度学习的不断发展，推荐系统在各个领域也扮演着越来越重要的角色。在数字教育资源匹配领域，随着面向学生教学平台数字教育资源数量的增加，学习者对于数字教育资源的选择也将面临一个信息过载的问题。利用数字教育资源的评论信息以及数字教育资源中视频的属性信息并结合当前流行的知识图谱理论，为使用学习者提供优质的数字教育资源内容匹配服务，可以提升学习者的学习热情，并且有效地挖掘学习者最擅长的方向。

数字教育资源匹配主要面临两方面的问题：学习者和数字教育资源数据交互稀疏性的问题以及新学习者加入教育平台进行数字教育资源推荐时候遭遇的冷启动问题。传统的数字教育资源匹配方法采用的是协同过滤方法，即寻找相似的学习者把相似的学习者学习过的资源进行推荐，或者寻找相似的数字教育资源，给学习过相似数字教育资源的学习者进行推荐。但协同过滤无法很好的解决上述的两种问题，所以后续采用了一些新的方式，即利用辅助信息来提高数字教育资源匹配的准确性。使用过的辅助信息包括：文本信息，学习者属性或者数字教育资源属性信息等。但这些方法利用的属性信息只是单纯的聚合，或者只考虑了单一的辅助信息，没有考虑数字教育资源和数字教育资源属性之间的关联信息。

发明内容

针对现有技术的至少一个缺陷或改进需求，本发明提供了一种基于异质交互行为的数字教育资源匹配方法及系统，可以提升数字教育资源匹配的准确度，从而更好地提供个性化学习服务。

为实现上述目的，按照本发明的第一方面，提供了一种基于异质交互行为的数字教育资源匹配方法，包括步骤：

获取数字教育资源数据，数字教育资源数据包含学习者对数字教育资源的偏好数据、数字教育资源属性数据、学习者对数字教育资源的评论数据，每个学习者有唯一的编号；

根据偏好数据、数字教育资源属性数据构建异质图，以数字教育资源、数字教育资源属性作为异质图的节点，根据数字教育资源、数字教育资源属性间的关系确定节点间的边，对异质图进行特征提取获得每个数字教育资源的异质流特征向量，根据评论数据获取每个数字教育资源的文本特征向量；

将同一个数字教育资源的异质流特征向量、文本特征向量进行拼接获得每个数字教育资源的特征向量；

将待匹配的目标学习者编号及每个数字教育资源的特征向量输入到训练后的推荐模型中，输出被推荐的数字教育资源。

进一步地，所述获得每个数字教育资源的异质流特征向量包括步骤：

将学习者i的偏好数据记i为学习者的编号，表示学习者i学习过的第n个数字教育资源，1≤n≤N，将视频n的数字教育资源属性数据记为表示视频n的第m个属性，1≤m≤M；

构建每个学习者的异质图，对于学习者i，其异质图的节点为转换后的实体，根据数字教育资源与属性间的关系确定所述节点间的边；

对每个学习者的异质图进行特征提取，获得每个数字教育资源的异质流特征向量。