欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025104369545
申请人: 暨南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于长短期记忆神经网络的教育资源多样化推荐方法,其特征在于,步骤包括:

S1.获取学习者的历史学习资源信息,并将学习者进行划分;

S2.基于划分的结果,进行学习者表征增强与知识点掌握建模;

S3.基于学习者的知识点掌握程度,生成候选教育资源列表;

S4.基于所述候选教育资源列表,计算教育资源相关性与多样性得分;

S5.融合所述教育资源相关性与所述多样性得分,按最终分数从高到低为学习者推荐指定数量的教育资源;

所述S1包括:通过在线学习平台获取学习者的历史学习资源信息,将每一个学习者的学习资源信息按时间先后顺序组成序列,并对序列进行预处理,形成初始数据集;其中,将教育资源交互数量位于前5%的学习者划分为积极学习者,后95%的学习者划分为不积极学习者;

所述S2包括:采用序列增强方法对学习者表征进行增强,利用积极学习者的历史学习序列信息,步骤包括:从头部用户的序列中截取若干子序列,通过序列编码器对子序列进行编码,并通过训练一个增强器使子序列的表征不断接近于完整用户的表征;将增强后的学习者表征,与所述历史学习资源中提取的知识点嵌入拼接,输入到矩阵长短期记忆网络mLstm中对学习者的知识点掌握状态进行建模,获取学习者对所有知识点的掌握程度;

使用矩阵长短期记忆网络mLstm作为所述序列编码器;在训练增强器的过程中,采用课程学习策略,根据从积极学习者中学习知识的难度控制损失中每个用户的权重;在增强器训练完成之后,将不积极学习者的序列表征通过增强器,得到不积极学习者通过序列增强后的表征信息;

所述S4包括:从每个学习者的所述候选教育资源列表中获取每个学习者用户特征、教育资源特征以及知识点特征的嵌入,输入到双向长短期记忆网络中,学习上下文信息,从而获取整体学习者的每个教育资源的相关性得分;将每个学习者的候选教育资源列表按照知识点分类,获取知识点,教育资源及学习者的嵌入,输入学习多样性估计器中得到每个学习者的学习需求分布,并计算教育资源的边际多样性,将学习者的学习需求分布与教育资源的多样性差异做逐元素乘法得到教育资源的多样性得分;

所述学习多样性估计器为利用长短期记忆网络分别对每个知识点的学习者练习序列进行编码,得到每个知识点的学习者学习模式表示;然后利用注意力机制和多层感知机学习学习者对不同知识点的学习需求分布;最后利用概率覆盖函数计算每个练习的多样性增益。

2.根据权利要求1所述的基于长短期记忆神经网络的教育资源多样化推荐方法,其特征在于,所述历史学习资源信息包括:学习者id、学习者学习的教育资源序号、学习时间、学习作答结果以及教育资源包括的知识点;形成所述初始数据集的方法包括:将每一个用户作答的题目、题目考察的知识点、作答结果、和作答时间,按时间先后顺序组成长度为200次教育资源交互的学习资源序列、知识点序列、学习资源结果序列和学习资源时间间隔序列,并根据学习者id进行分组;最后对数据进行划分,将数据按照8:2的比例随机划分为训练集与测试集。

3.根据权利要求1所述的基于长短期记忆神经网络的教育资源多样化推荐方法,其特征在于,所述S3包括:基于学习者的知识点掌握程度,计算每个教育资源对应的难度,从教育资源库选取若干个教育资源作为每个学习者的候选教育资源列表。

4.根据权利要求1所述的基于长短期记忆神经网络的教育资源多样化推荐方法,其特征在于,所述S5包括:将得到的所述教育资源相关性与所述多样性得分,经过特征融合,得到每个候选集的重排序分数,并根据教育资源的最终分数由高到低为学习者推荐教育资源。

5.一种基于长短期记忆神经网络的教育资源多样化推荐系统,所述系统用于实现权利要求1-4任一项所述的方法,其特征在于,包括:采集模块、构建模块、生成模块、计算模块和融合模块;

所述采集模块用于获取学习者的历史学习资源信息,并将学习者进行划分;

所述构建模块用于基于划分的结果,进行学习者表征增强与知识点掌握建模;

所述生成模块用于基于学习者的知识点掌握程度,生成候选教育资源列表;

所述计算模块用于基于所述候选教育资源列表,计算教育资源相关性与多样性得分;

所述融合模块用于融合所述教育资源相关性与所述多样性得分,按最终分数从高到低为学习者推荐指定数量的教育资源。