[发明专利]一种基于关联关系分析的课程推荐方法

说明书

本发明公开了一种基于关联关系分析的课程推荐方法，从中提取出知识概念以及用户与其他实体之间的关联矩阵如用户与其他实体的关联矩阵，通过元路径得到知识概念和用户对应的邻接矩阵，通过对用户的元路径邻接矩阵构建实体的关联关系图，并经过关联关系特征提取模块得到用户的关联关系特征，将知识概念与用户在不同元路径下的实体表示进行加权合并，得到最终的用户实体表示与课程知识概念实体表示，最后通过矩阵分解的方式获取最终的用户与知识概念的评分矩阵，根据评分矩阵对用户进行课程推荐，提高了推荐的准确性。

技术领域

本发明属于教育课程推荐领域，尤其涉及了一种基于关联关系分析的在线课程推荐方法。

背景技术

近年来，大规模在线开放课程(Massive Open Online Courses，简称MOOCs)逐渐成为了一种全球行的替代教育的一种模式，并通过面向全球开放在线资源提供新的教育机会，从而彻底改变了整个教育领域。现在已经出现了非常多的MOOC平台，例如，Coursera，edX和Udacity是三位先驱，其次是来自其他国家的许多先驱，例如中国的XuetangX，北美的Khan Academy，西班牙的Miriada，德语的Iversity，英格兰的FutureLearn，澳大利亚的Open2Study，Fun in法国，巴西的Veduca和日本的Schoo(Qiu等人，2016)。

但是据数据统计分析，学生在线课程的完成率极低，而学生对于某一门课程所覆盖的课程知识概念并不会完全感兴趣，这也会导致学生在某一门课程的学习过程中中途辍学。无法吸引学生在平台上持续高效的学习，导致平台上整体的课程完成率低于5％，为了吸引学生的兴趣，MOOC提供商使用推荐系统向学生推荐课程。同时，由于一门课程通常包含许多视频讲座，每个讲座都涵盖一些特定的知识概念，因此直接推荐课程会忽略学生对某些特定知识概念的兴趣。因此课程知识概念推荐的研究也显得格外重要。

公布号为CN112328752A的专利申请记载了基于文本相似性的基于搜索内容的课程推荐方法、装置、计算机设备及介质，根据搜索内容提取出多个热词；针对每个热词，获取包含热词的目标搜索内容并提取目标搜索内容的搜索文本向量；对同一热词对应的多个搜索文本向量进行聚类并确定每类的核心搜索内容；根据搜索内容引发的点击次数从多类的核心搜索内容中识别出用户满意的核心搜索内容和用户不满意的核心搜索内容；根据搜索内容引发的点击内容过滤出用户满意的核心搜索内容中的假性满意的核心搜索内容；根据用户不满意的核心搜索内容及假性满意的核心搜索内容进行课程推荐。

公布号为CN112347147A的专利申请记载了基于文本相似性的基于用户关联关系的信息推送方法、装置、电子设备及计算机可读介质。该方法包括：获取目标用户的用户标识；确定关联关系层级和关联关系类别；基于所述目标用户的用户标识、所述关联关系层级和所述关联关系类别在图形数据库中进行检索，获取多个关联用户和其对应的关联关系类别；基于所述关联关系类别为所述多个关联用户分别生成推广信息；将所述推广信息发送至其对应的关联用户。本公开涉及的基于用户关联关系的信息推送方法、装置、电子设备及计算机可读介质，能够快速有效的提取用户之间的关联关系，并基于关联关系生成个性化的推广信息进行推广，提升用户满意度。

然而传统的推荐技术面临着数据的稀疏性问题，无法获得异构信息网络上的多种关系信息，以及无法捕获高阶的邻域关联信息，存在推荐准确性不够等问题。

发明内容

本申请的目的是提出一种基于关联关系分析的课程推荐方法，用于减轻推荐系统数据的稀疏性问题，并且利用关联关系的分析来接受给定异构信息网络上高阶邻接信息和用户的潜在长途兴趣，有效利用了不同实体之间丰富的关系，避免了上述信息浪费的情况，提高了课程推荐的准确性。

为了实现上述目的，本申请技术方案如下：

一种基于关联关系分析的课程推荐方法，包括：

步骤1、根据在线课程平台的用户应用历史记录获取实体，所述实体包括课程、用户、知识概念、教师、视频；