一种融合学生行为信息的个性化群组推荐方法

本发明涉及群组推荐，具体地说，涉及一种融合学生行为信息的个性化群组推荐方法。

背景技术：

1、新型冠状病毒疫情催生线上教育的快速发展，使得学生和班级等在线上学习与授课，促使在线课程平台存储了越来越多的教育数据，如何使这些数据资源合理的使用，促使学生或群体更加高效的合作学习成为一种急需解决的挑战。

2、庞大的教育信息资源容易使学生迷失方向，因此如何充分利用学生的行为等信息，准确捕获学生的需求，为学生提供精确的推荐服务是迫切的需求和挑战。此外，在现今用户学习过程中，用户的需求越来越多样化，群体合作学习在教育中必不可少，如何给群组推荐个性化的学习资源，提升学习的有效性是一项重要的挑战。

3、在线上合作学习的群体，不仅具有非常稀疏的组-项目交互，而且小组的需求是随着成员的学习状态而不断变化，这对组推荐方法具有很大的挑战。个性化推荐方法可以为单个学生推荐资源，但不能很好的为群组推荐，因此需要融合学生的行为特征，构建群体共识，设计出一种组推荐方法，使群体推荐更有效。

技术实现思路

1、本发明的内容是提供一种融合学生行为信息的个性化群组推荐方法，其能够利用学生的行为信息，并设计小组共识策略，为小组合作学习提供有效的学习资源。

2、根据本发明的一种融合学生行为信息的个性化群组推荐方法，其包括以下步骤：

3、1)数据预处理；

4、2)学生多行为建模；

5、3)学生偏好与项目结构获取；

6、4)群组共识建模；

7、5)模型预测与优化。

8、作为优选，步骤1)中，数据预处理的方法为：

9、对学生的学习数据进行以下操作：

10、1-1)学生在学习过程中产生的多种行为k，将其分类处理；

11、1-2)对于学生和视频的交互，以及与学生和视频相关的其他信息将作为辅助信息构建为知识图g＝{(eh，r，et)|eh，et∈e、r∈r}表示关系r连接实体eh和et，其中e、r分别表示实体的集合和关系的集合；学生u和项目v均与知识图谱中的一个实体匹配，即由于将用户与项目的交互分为多种行为，则在知识图谱中也相应对应多个子图gk，其中用户即是由学生组成，项目由视频组成；

12、1-3)与用户类似，对于组与视频的交互，将其构建为知识图谱gg，与用户不同在于，群组中只有一种交互行为。

13、作为优选，步骤2)中，学生多行为建模的方法为：

14、学生在特定行为下与视频的交互将其抽象为交互子图中的一种关系rk，行为关系rk与知识图谱中的一个关系相匹配，即进行如下操作：

15、2-1)对每个子图的实体和关系进初始化，获得实体e和关系r的嵌入表示e和r；接着对学生的特定行为关系进行建模；

16、对于用户来说，特定的行为关系通过聚合与其交互的项目聚合而来，即：

17、

18、

19、其中为学生的行为关系嵌入，n(i,k)表示学生ui在行为k下交互的项目vj个数，为项目的嵌入，βj,k为可学习的权重系数，ht、w1为权重矩阵，b1为偏置向量；

20、2-2)对于特定行为下的交互，只有捕获与其他行为不同的信息，对学生的最终的选择才能提供一个有用的角度，即缓解过平滑的问题；为此，采用互信息来最小化任意两种不同行为的表示之间的相互信息，以量化它们的独立性，为群组的意图提供不同的视角；具体表示为：

21、

22、其中，s(·)是测量任意两个行为表示的关联的函数，此处设置为余弦相似性函数；τ是softmax函数中温度的超参数为学生的另一种行为关系嵌入，lbeh是量化不同行为间独立性的损失函数。

23、作为优选，步骤3)中，学生偏好与项目结构获取的方法为：

24、3-1)由于学生在不同行为下与项目的交互均在对应的知识图谱中，为获得高阶的用户和项目之间的隐含关系，在图中进行多层的信息传递，第l层的输出将作为下一层的输入，以获得每个行为下学生和项目的嵌入，具体如下：

25、

26、

27、其中，和分别表示在行为k下消息传递给学生和项目的嵌入表示，φ(·)聚合层，它保留了每种交互行为下学生或项目的独特特征；为学生ui在行为k下的邻居节点的聚合信息表示，其表示为：

28、

29、其中，nj表示在行为类型为k的知识图谱中与学生ui连接的相邻项目节点,表示与学生ui连接的相邻项目的嵌入表示；最后，学生的节点嵌入通过的聚合形式如下：

30、

31、其中，w2为权重举证，b2为偏置向量；对于项目节点执行与学生节点相似的操作；

32、3-2)由于不同行为对用户选择目的影响不相同，采用神经网训练自适应的系数αk来分别聚会学生和项目，获得多行为增强的学生偏好嵌入与项目嵌入表示，用于进一步的群组共识建模：

33、

34、

35、其中，w3为权重矩阵，b3为偏置向量，softmax()为激活函数；对于项目节点执行与学生节点相似的操作；获取聚合行为信息的学生和项目的嵌入表示后，分别取各自最后一层作为学生和项目最终的嵌入表示，即

36、作为优选，步骤4)中，群组共识建模的方法为：

37、4-1)对于群组的共识的建模，首先在知识图谱中多层传播函数来聚合实体信息获得群组的普遍偏好，用于捕获群组之间的相似性与协作关系，获得组级别的共识；由于群组与项目的交互只有单一类型的交互，其行为建模通过交互关系rg来表示，执行与获得单个行为下学生的嵌入相类似的操作：

38、

39、其中，为组g在l层的嵌入表示，取最后一层来建模组级别的共识，即

40、4-2)为获得成员级别的群组共识，首先将每个成员的嵌入表示投影到多个维度，利用底层依赖关系来聚合不同成员的表示；信息聚合层建立在注意神经机制的基础上；组成员嵌入之间的显式相关性得分表示为γi,i'，其形式计算如下：

41、

42、其中，s∈s为投影潜在空间，qs和ks为对应于第s个投影空间的变换矩阵，用于在不同的成员学生ug,i和ug,i'之间嵌入投影，d为嵌入维度；接着使用softmax函数应用于γi,i'；然后，通过以下操作连接来连接不同学习子空间的表示来重新校准组成员的行为嵌入：

43、

44、其中，||表示向量的拼接运算，vs为变换矩阵，表示校准之后的成员嵌入表示，n为组g中成员的个数；接着，以成员的多行为信息和组交互的项目为指导，聚合群组成员的偏好信息，获得学生的共识偏好，其计算如下：

45、

46、

47、其中，εg,i为项目和行为之间的重要性得分，为组学生ui对项目vg,j的交互行为建模，项目vg,j为组的交互项目，如果学生没有交互过项目vg,j，则为组-项目交互关系r的嵌入表示，gu为成员级的共识；

48、最后，将群组级的共识与成员级的共识进行相加来建模群组的共识，其计算如下：

49、g＝gu⊕gg。

50、作为优选，步骤5)中，模型预测与优化的方法为：

51、在组-项目交互的训练过程中，由于学生-项目的交互也含有丰富的交互信息，因此在训练过程考虑用户的交互信息，与组在同一过程中协同训练；学生和组对项目的偏好得分采用两者之间嵌入表示的内积来获得；采用成对损失函数进行优化对用户和群组进行优化，采用互信息进行多行为的建模优化；具体而言，用户的损失函数为：

52、

53、其中为学生对选择的正项vp的预测偏好得分，为用户对不会选择的负项vn的预测分数，dg'表示用户的训练集；

54、组的损失函数为:

55、

56、其中为组对选择的正项vp的预测偏好得分，为用户对不会选择的负项vn的预测分数，dg表示组的训练集。

57、本发明的有益效果如下：

58、(1)本发明将教育领域的数据通过知识图谱将其结构化，建模学生和项目之间的多行为交互，在图中递归捕获不同行为的高阶隐含关系，挖掘学生的隐含需求和兴趣偏好，为学生提供个性化的学习资源，并有效缓解用户在推荐过程中的冷启动问题。

59、(2)本发明在获得学生偏好和项目结构的同时，以群组成员的多行为交互信息为指引，探索在多个维度上群组成员之间隐含的交互和协作信息，建模成员级别的群组共识。此外，组和项目之间的交互也在图中嵌入传播，获群组之间的高阶协作关系，建模组级别的共识。这将有效针对群组推荐个性化的学习资源。