[发明专利]一种基于知识图谱嵌入的学习资源推荐方法及系统

权利要求书

1.一种基于知识图谱嵌入的学习资源推荐方法，其特征在于，包括如下步骤：

确定学习资源知识图谱，所述学习资源知识图谱包括：知识图谱属性、资源的边通道信息以及学习环节类型三个部分，并包括三个部分之间的关联关系；

基于学习者社会属性、知识水平、学习风格以及学习专注度构建学习者特征；所述学习者特征描述学习者与学习资源之间的交互关系；

将学习者特征与学习资源知识图谱相结合，得到多模态知识图谱；所述多模态知识图谱包括：学习资源知识图谱之间的关联关系和学习者与学习资源之间的交互关系，以描述学习者与学习资源之间的路径；

构建知识图谱嵌入的学习资源推荐模型，将多模态知识图谱描述的学习者与学习资源之间的路径、学习者喜好的资源以及目标学习资源输入到学习资源推荐模型，提取学习者喜好的资源与目标学习资源之间的路径，以对目标学习资源进行打分，判断目标学习资源是否满足学习者的需求，并基于打分的结果向学习者推荐满足学习者需求的学习资源；所述学习者喜好的资源根据学习者以往学习过的学习资源确定。

2.根据权利要求1所述的学习资源推荐方法，其特征在于，所述知识图谱嵌入的学习资源推荐模型包括：嵌入层、LSTM层以及池化层；

所述嵌入层，用于将所述多模态知识图谱中每个实体、实体对应类型及关系映射到低维向量空间，同时将低维向量空间的向量联合，联合后的向量用以描述学习者与学习资源之间的路径；以及用于将联合后的向量、学习者喜好的资源与目标学习资源输入到LSTM层；

所述LSTM层，用于基于学习者与学习资源之间的路径中序列的依赖性，结合学习者喜好的资源和目标学习资源，提取学习者喜好的资源与目标学习资源之间的多条路径，并对每条路径下学习者与目标学习资源之间的交互进行打分，判断该路径下的目标学习资源是否满足学习者的需求；

所述池化层，用于结合不同路径的权重占比，利用带权重的池化操作将LSTM层对每条路径的打分结果综合，并基于综合的打分结果对学习者推荐满足学习者需求的学习资源。

3.根据权利要求1或2所述的学习资源推荐方法，其特征在于，所述确定学习资源知识图谱，所述学习资源知识图谱包括：知识图谱属性、资源的边通道信息以及学习环节类型三个部分，并包括三个部分之间的关联关系；具体包括：

所述知识图谱属性包括：学习资源之间图谱关系；

资源的边通道信息包括：资源模态、机构信息以及资源的作者信息；

所述学习环节类型包括：课前复习类、新课导入类、知识理解类、练习巩固类以及小结拓展类；

所述学习资源知识图谱描述学习资源之间的相互关系；所述学习资源之间的相互关系包括：上下级关系、同级关系以及依赖关系。

4.根据权利要求3所述的学习资源推荐方法，其特征在于，所述基于学习者社会属性、知识水平、学习风格以及学习专注度构建学习者特征；所述学习者特征描述学习者与学习资源之间的交互关系；具体包括：

确定学习者社会属性、知识水平、学习风格以及学习专注度；

将学习者社会属性、知识水平、学习风格以及学习专注度相互嵌入，构建联合特征向量，实现全方位特征语义融合，使得融合后的特征描述学习者与学习资源之间的交互关系；所述学习者与学习资源的交互关系反映每个学习者选择学习资源进行学习时对应的学习行为序列之间的依赖关系。

5.根据权利要求4所述的学习资源推荐方法，其特征在于，所述将学习者特征与学习资源知识图谱相结合，得到多模态知识图谱；所述多模态知识图谱包括：学习资源知识图谱之间的关联关系和学习者与学习资源之间的交互关系，以描述学习者与学习资源之间的路径；具体包括：

基于学习者与学习资源之间的交互关系、学习资源之间的相互关系确定学习者与学习资源之间的一条或多条路径；每条路径上反应学习者选择不同学习资源进行学习的先后顺序，每条路径均是符合学习者认知规律，每个学习者的认知规律结合学习者学习行为序列之间的依赖关系和学习资源之间的相互关系确定。