一种基于在线教育平台数据的课程推荐方法

    公开(公告)号:CN114154839A

    公开(公告)日:2022-03-08

    申请号:CN202111433160.1

    申请日:2021-11-29

    Abstract: 本发明属于教育信息化领域,提供一种基于在线教育平台数据的课程推荐方法,利用embedding技术以及图神经网络模型,基于学生基础信息以及学生在学习过程中产生的历史数据,考虑了不同学生之间的交互数据的影响,全面发挥数据的价值,利用前沿的图神经网络GNN算法模型,深度挖掘了学生与学生之间的关系,同时也考虑了课程与课程之间的相似度、学生与课程的历史交互数据,从而实现更加可靠的推荐方式。

    一种基于多图神经网络的课程推荐方法

    公开(公告)号:CN115423546A

    公开(公告)日:2022-12-02

    申请号:CN202210877982.7

    申请日:2022-07-25

    Abstract: 本发明属于教育信息化领域,提供一种基于在线教育平台数据的多图神经网络的课程推荐方法,将线上教育数字化特征与传统教育理念相结合提出了基于embedding技术的个性化课程推荐模型,引入了学习者、课程以及教师三种角色的向量;推荐模型使用了多图网络结构,包括学习者之间形成的社交网络、老师与课程之间构成的二分图网络;推荐模型不涉及学生、课程或者教师的基本属性的特征,建模不依赖过多的数据特征,适用的课程推荐平台范围比较广泛。

    一种基于在线教育平台数据的课程推荐方法

    公开(公告)号:CN114154839B

    公开(公告)日:2024-07-26

    申请号:CN202111433160.1

    申请日:2021-11-29

    Abstract: 本发明属于教育信息化领域,提供一种基于在线教育平台数据的课程推荐方法,利用embedding技术以及图神经网络模型,基于学生基础信息以及学生在学习过程中产生的历史数据,考虑了不同学生之间的交互数据的影响,全面发挥数据的价值,利用前沿的图神经网络GNN算法模型,深度挖掘了学生与学生之间的关系,同时也考虑了课程与课程之间的相似度、学生与课程的历史交互数据,从而实现更加可靠的推荐方式。

Patent Agency Ranking