[发明专利]一种基于多图神经网络的课程推荐方法

权利要求书

1.一种基于多图神经网络的课程推荐方法，其特征在于该课程推荐方法包括以下步骤：

(1)利用服务器存储学生与课程的互动数据，学生与学生之间的互动数据以及教师授予课程数据，整个数据库存储的数据记作D₀；

(2)获取步骤(1)中的数据D₀，并作数据清洗工作，清洗后的数据记作D₁，获取关键维度数据以及多图结构数据，其中关键维度数据包括学生对于每一门课程的评分rate以及课程中的授课教师id，该数据记作Rate，数据样式为{“student id”,“course id”，“teacherid”,rate}；

(3)处理步骤(2)获取的多图结构数据，得到课程序列数据，同时构造学习者之间组成的间接关系网络数据以及教师与课程形成的二分图数据，

课程序列数据G_uc，数据样式为{“student id”:[“course1 id”,“course2 id”…]}；

间接关系网络数据G_ud，数据样式为{[“student1 id”,“student2 id”,weight]}，weight是两个学生之间的间接关系权重，记作w；二分图数据G_tc，数据样式为{[“course1id”,“teacher1 id”]}；

(4)通过步骤(3)中构造的数据，利用模型Word2vec以及Graph Embedding获取所需要的学生的向量e_u、课程的向量e_cs和e_cb以及教师向量e_t，其中Graph Embedding模型包含Struc2Vec以及二分图模型；

(5)通过concatenation连接e_cs和e_cb得到课程向量e_c,通过product点积操作得到关于集合Rate的每条数据样例对应的三个因子α_uc，α_tc，α_ut；

(6)根据三个因子的数据α_uc，α_tc，α_ut特征，实现多层感知机MLP，并完成最终模型；

(7)在完成步骤(6)中的模型之后，利用损失函数和多层感知机方式训练模型，用训练好的模型获取学习者对于课程的预估评分r_hat；

(8)根据预估评分r_hat得到针对每一个学生的待推荐课程列表，从待推荐课程列表中按照预估评分的降序排列方式选取Top N作为实际推荐课程推送给相关学生。

2.根据权利要求1所述的基于多图神经网络的课程推荐方法，其特征在于：步骤(2)中所述数据清洗工作为去除重复的数据，去除缺失学生id、教师id或者课程评分的数据。

3.根据权利要求1所述的基于多图神经网络的课程推荐方法，其特征在于：步骤(3)中w计算公式如下：

其中，是学生student1id所学习的所有课程集合，是学生student2 id所学习的所有课程集合，集合与集合均可以从课程序列数据G_uc获取。