[发明专利]一种基于深度会话兴趣交互模型的课程推荐方法

权利要求书

1.一种基于深度会话兴趣交互模型的课程推荐方法，其特征在于：筛选和预处理用户数据，将用户与项目的行为信息按照时间排序，并以一天为时间间隔划分会话；为了刻画用户动态变化的兴趣，丰富用户兴趣表示，将GRU应用于捕获用户动态偏好中；接下来，将用户最近行为数据和动态兴趣表示输入到第二层Attention网络中，得到用户的多角度兴趣表示；最后，将用户的多角度兴趣表示和课程向量表示做内积，选择每个候选项目得分高的为学生进行推荐。从而解决了目前基于课程推荐方法中，没有考虑到用户与项目的交互过程存在噪声项目的影响以及静态且低秩的向量无法充分表达用户的兴趣的问题。

2.根据权利1所述的一种基于深度会话兴趣交互模型的课程推荐方法，其特征在于：在数据建模方面，本发明将用户的时间顺序行为进行划分，将用户一天内浏览的课程划分为一个会话，并且在同一会话内课程特征是高度同质的，而在不同的会话之间，课程特征之间有很大的差别。

3.根据权利1所述的一种基于深度会话兴趣交互模型的课程推荐方法，其特征在于：基于顺序时间建模划分的会话，模型利用注意力机制能为不同的项目分配不同的权重，可以有效剔除噪声课程，提取会话中包含的兴趣点信息，有助于提高推荐的准确度。

4.根据权利1所述的一种基于深度会话兴趣交互模型的课程推荐方法，其特征在于：在用户兴趣建模方面，由于用户的会话的间隔时间内可能受多种因素的影响，兴趣可能会产生变化，并且学习行为本身就是一个连续的行为，通过使用GRU模拟用户每个会话之间兴趣的变化，来提升学生在线学习的体验。

5.模型在考虑动态变化的用户兴趣这个角度之后，还注意到用户近期浏览的项目对于课程推荐也是一个重要的影响因素。本发明引入第二层Attention，为用户动态兴趣表示和近期交互的项目分配不同的权重，最终得到用户的多角度兴趣表示，从而来提高性能。