申请/专利权人：国家开放大学

申请日：2022-08-26

公开（公告）日：2024-04-26

公开（公告）号：CN115329200B

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/36;G06F40/284;G06F40/30;G06F18/22;G06N3/08;G06Q50/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.11.29#实质审查的生效;2022.11.11#公开

摘要：本发明涉及信息检索技术领域，具体涉及一种基于知识图谱和用户相似度的教学资源推荐方法；本发明对教学资源文本进行预处理，再提取获取词向量，根据用户的历史行为，得到历史知识向量，根据词向量和历史知识向量计算用户对于教学资源的相似度，然后对知识图谱和用户相似度赋权重，融合获得联合相似度矩阵，并对联合相似度矩阵进行学习校正，再计算获得教学推荐资源，推荐给用户，本发明通过对联合相似度矩阵的校正，得到具有结构信息和特征选择信息联合矩阵，进而较大程度地联合数据的结构信息和特征选择信息来筛选出最具代表性的特征，并且本发明提升了教学推荐资源推荐的准确性，使得教学资源的推荐能够更符合学习者的知识认识水平。

主权项：1.一种基于知识图谱和用户相似度的教学资源推荐方法，其特征在于，包括以下步骤：（1）对教学资源文本进行预处理，再提取关键词作为资源的语义特征，将关键词用词向量表示，其中，对教学资源文本进行预处理是指对教学资源文本进行分词，然后再去掉停用词，最后根据不同教学资源文本的重视程度，设置相应的权重比；（2）将资源文本中的向量排列成列表，再将该列表作为资源库；（3）根据用户的历史行为，将学习过的教学资源作为用户自己的知识库，并将用户自己的知识库用历史知识向量表示；（4）根据词向量和历史知识向量计算用户对于教学资源的相似度；（5）构建知识图谱，对知识图谱和用户相似度赋权重，融合获得联合相似度矩阵，其中，构建知识图谱需要按照关联关系进行逻辑运算，并用矩阵表示，对联合相似度矩阵进行学习校正；其中，所述关联关系包括前提与和前提或，若掌握知识点f的前提是同时掌握知识点f1,f2,…,fp,则f1,f2,…,fp中每个知识点和知识点f之间的关系均为前提与关系，若掌握知识点f的前提是至少掌握知识点f1,f2,…,fp中的一个，则知识点f1,f2,…,fp中每个知识点与知识点f间均为前提或关系；且对联合相似度矩阵进行学习校正的方法如下：假设有M个不同知识点图谱的矩阵数据： ，式中，XM表示第M个知识点图谱的矩阵；将不同知识点图谱的矩阵看作一致，利用学习校正公式对联合相似度矩阵进行校正；其中，所述学习校正公式为： ，式中，Wm是构建的第m个知识点图谱的矩阵，A和Am是一致相似度矩阵，k为构造知识点图谱时的知识点个数，表示范数，指非0元素的个数，为第m个知识点图谱的矩阵的权重参数，是权重向量，为Wm的转置矩阵，I为单位矩阵，为第m个知识点图谱的矩阵的相似度矩阵，为在r1平衡参数下，第m个知识点图谱的矩阵的权重参数，为第m个知识点图谱的矩阵中第i个元素，为第m个知识点图谱的矩阵中第j个元素，r1、r2是平衡参数，且r1=r21；（6）根据学习校正后的联合相似度矩阵，计算获得联合相似度矩阵的最大值作为教学推荐资源，并将其推荐给用户。

全文数据：

权利要求：

百度查询： 国家开放大学 一种基于知识图谱和用户相似度的教学资源推荐方法

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