申请/专利权人：武汉博奥鹏程科技投资有限公司

申请日：2023-03-15

公开（公告）日：2024-04-05

公开（公告）号：CN116340625B

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/36;G06N3/042;G06Q50/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2024.02.27#专利申请权的转移;2023.07.14#实质审查的生效;2023.06.27#公开

摘要：本发明涉及一种结合学习状态适合度和课程搭配度的课程推荐方法及装置，包括：识别待课程推荐的课程推荐平台，获取课程推荐平台的课程数据，对课程数据进行三元知识抽取，得到三元抽取组，并根据三元抽取组，构建课程推荐平台的知识图谱；识别待课程推荐的目标学生的知识状态级别，及识别目标学生的兴趣偏好，根据知识状态级别和兴趣偏好，构建目标学生的学生画像；获取课程推荐平台的候选课程，构建目标学生关于候选课程的交互矩阵，基于交互矩阵和学生画像，确定知识图谱中的搭配课程，计算目标学生关于搭配课程的推荐得分；根据推荐得分，确定目标学生的推荐课程。本发明可以提高课程推荐的准确率。

主权项：1.结合学习状态适合度和课程搭配度的课程推荐方法，其特征在于，所述方法包括：识别待课程推荐的课程推荐平台，获取所述课程推荐平台的课程数据，对所述课程数据进行三元知识抽取，得到三元抽取组，并根据所述三元抽取组，构建所述课程推荐平台的知识图谱；识别待课程推荐的目标学生的知识状态级别，及识别所述目标学生的兴趣偏好，根据所述知识状态级别和所述兴趣偏好，构建所述目标学生的学生画像；获取所述课程推荐平台的候选课程，构建所述目标学生关于所述候选课程的交互矩阵，基于所述交互矩阵和所述学生画像，确定所述知识图谱中的搭配课程，利用预构建的知识图谱深度神经网络模型，计算所述目标学生关于所述搭配课程的推荐得分；所述利用预构建的知识图谱深度神经网络模型，计算所述目标学生关于所述搭配课程的推荐得分，包括：获取所述知识图谱深度神经网络模型对应的知识图谱，获取所述目标学生对应所述知识图谱的学生知识图谱，识别所述学生知识图谱对应的三元抽取组，所述三元抽取组包括实体数据和关系数据；利用下述公式计算所述目标学生对所述关系数据的兴趣度及归一兴趣度： 其中，表示目标学生对关系数据的兴趣度，g表示兴趣度函数，u表示目标学生，e表示学生知识图谱的实体数据，r表示关系数据，表示目标学生对关系数据的归一兴趣度，v表示目标学生的历史观看课程，Nv表示目标学生的历史观看课程的集合，exp表示自然指数函数符号；根据所述归一兴趣度和所述实体数据，利用下述公式计算所述搭配课程的邻域表达值： 其中，表示搭配课程的邻域表达值，表示目标学生对关系数据的归一兴趣度，v表示目标学生的历史观看课程，Nv表示目标学生的历史观看课程的集合；根据所述邻域表达值和所述搭配课程，利用预构建的知识图谱深度神经网络模型，计算所述目标学生关于所述搭配课程的推荐得分；所述根据所述邻域表达值和所述搭配课程，利用预构建的知识图谱深度神经网络模型，计算所述目标学生关于所述搭配课程的推荐得分，包括：利用下述公式，计算所述目标学生关于所述搭配课程的推荐得分： 其中，表示目标学生关于搭配课程的推荐得分，σ表示激活函数，W表示知识图谱深度神经网络模型的权重矩阵，v表示搭配课程的实体数据，表示搭配课程的邻域表达值，b表示知识图谱深度神经网络模型的偏置向量；根据所述推荐得分，确定所述目标学生的推荐课程。

全文数据：

权利要求：

百度查询： 武汉博奥鹏程科技投资有限公司 结合学习状态适合度和课程搭配度的课程推荐方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD