科创中国

本发明公开了一种基于局部影响力和深层偏好传播的学生个性化学习推荐方法及装置。首先，使用数据挖掘技术获取数据集信息和知识图谱信息。然后基于局部影响力与深层偏好传播思想进行推荐系统设计，根据所获学生历史学习数据推荐合适的课程学习路径和内容。推荐系统R首先通过将构建好的知识图谱进行偏好传播，然后利用知识图谱节点之间的节点影响力赋予节点局部影响力权重，根据节点权重进行知识图谱深层偏好传播以获得更深层次学生兴趣偏好，利用所获节点权重预测最终的点击概率#imgabs0#最后根据预测的点击概率推荐合适的课程学习路径和内容。相比现有技术，本发明方法可以有效提高学生个性化学习的效率，具有更强的实用性。

发明目的：针对现有技术中忽视学生对学习资源的掌握情况以及学习深度的问题，本发明提出了一种基于局部影响力与深层偏好传播的学生个性化学习推荐方法及装置，通过知识图谱的方法建立学生深层学习水平建模，提取不同资源与学生之间的联系，建立学生个性化学习推荐方法。

知识图谱(Knowledge Graph)，是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系。其基本组成单位是“实体‑关系‑实体”三元组，以及实体及其相关属性‑值对，实体间通过关系相互联结，构成网状的知识结构。

推荐系统(Recommendation System)是一种利用大数据和机器学习等技术，分析用户历史行为、兴趣等信息，为用户推荐个性化内容的算法系统。它可以帮助用户发现自己可能感兴趣的产品、服务或内容，提升用户体验，同时也可以帮助企业提高用户留存和转化率。

在面对学生个性化学习推荐方法时，已有论文主要基于“认知诊断”和“资源推荐”为基础的协同过滤推荐算法，关于学生个性化学习推荐方法主要依赖于对学生进行简单认知诊断以及资源的简单推荐，然而此类方法忽视了学生对学习资源的掌握情况以及学习深度，忽略学生深层次学习偏好，不能有效根据学生当前学习情况准确提供个性化推荐。

此技术是淮阴工学院李翔研发，淮阴工学院，位于江苏省淮安市，宗旨和业务范围是“培养高等学历人才，促进社会发展。工学类、理学类、经济学类、管理学类、文学类、法学类、艺术学类和农学类学科本科学历教育工程硕士研究生学历教育相关科学研究技术开发继续教育专业培训学术交流与咨询服务会议展览服务”。

与现有技术相比，此技术产生的有益效果：

1、本发明方法基于已有的neo4j图关系数据库作为数据存储，利用知识图谱深层偏好传播方式获取用户深层兴趣表示，更加全面地抽取用户兴趣特征，获得更精确的用户画像。知识图谱深层偏好传播过程采用局部影响力权重作为节点权重，有效解决知识图谱节点利用率问题，同时将节点局部影响力权重值作为深层偏好传播依据，提高推荐效率。

2、本发明还可以运用可视化技术将知识图谱进行可视化分析，帮助学生更好地理解多课程知识点之间的关系和结构

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。