【技术实现步骤摘要】
本专利技术实施例涉及人工智能和教育，尤其涉及一种基于图神经网络的在线学习视频资源个性化推荐方法。
技术介绍
1、随着互联网技术的飞速发展，在线学习平台已成为学习者获取知识的重要途径。然而，面对海量的学习视频资源，如何为学习者精准推荐符合其兴趣和需求的内容，是普遍存在的问题。
2、现有技术中，已有一些专利针对短视频及课程内容的推荐方法进行了探索，比如专利《融合多模态数据基于异构图神经网络的短视频推荐方法和系统》（cn202411211539.1），专利《基于注意力机制的异构图神经网络课程推荐方法和系统》（cn202310588836.7）。但这些方法均没有提及在用户对推荐视频的实际观看率不佳时，如何提高进一步提高推荐准确性，提高实际观看率。
技术实现思路
1、本专利技术实施例提供一种基于图神经网络的在线学习视频资源个性化推荐方法，以解决上述技术问题。
2、第一方面，本专利技术实施例提供了一种基于图神经网络的在线学习视频资源个性化推荐方法，包括：
3、获取在线学习平台的用户信息、视频资源信息和学习主题标签，并根据获取到的内容构建包括用户节点、视频节点和标签节点的异构图；
4、将所述异构图输入多层图注意力网络，根据图结构对各节点的初始特征进行多跳聚合，并根据各节点的最终特征向各用户分别推荐至少一个视频；
5、根据用户对推荐视频的实际观看率，将多个用户划分为实际观看率大于第一阈值的第一用户，以及实际观看率小于所述第二阈值的第二用户
6、确定最终特征与初始特征间的变化小于第三阈值的目标第二用户，以及与所述目标第二用户的初始特征最相似的目标第一用户；
7、根据所述目标第一用户在所述异构图中的第一子图结构，更新所述目标第二用户在所述异构图中的第二子图结构，以提高所述目标第二用户对推荐视频的实际观看率，更新后的异构图用于重新输入所述多层图注意力网络并向各用户分别推荐至少一个新视频。
8、第二方面，本专利技术实施例提供了一种电子设备，所述电子设备包括：
9、一个或多个处理器；
10、存储器，用于存储一个或多个程序，
11、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的基于图神经网络的在线学习视频资源个性化推荐方法。
12、第三方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例所述的基于图神经网络的在线学习视频资源个性化推荐方法。
13、综上所述，本专利技术实施例提供一种基于图神经网络的在线学习视频资源个性化推荐方法，通过整合学习者、学习视频及标签信息构建异构图，运用图注意力网络精准计算向量并更新权重，深入提取特征与建模关系，实现视频资源的精准个性化推荐，有效提升学习体验与效率。推荐完成后记录在用户对推荐视频的实际观看率，从观看率不佳的用户中筛选多层gat网络对用户特征的聚合改造程度不大的用户作为改进对象，同时以与该用户相似但实际观看率较好的用户作为参照对象，参照其在异构体图中的信息结构对改进对象的信息数据进行有针对性地挖掘，捕捉更多能够精准反映用户观看视频的复杂规律的信息，进一步提高推荐视频的准确性，提高用户的实际观看率。
本文档来自技高网...【技术保护点】
1.一种基于图神经网络的在线学习视频资源个性化推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述异构图输入多层图注意力网络，根据图结构对各节点的初始特征进行多跳聚合，并根据各节点的最终特征向各用户分别推荐至少一个视频，包括：
3.根据权利要求2所述的方法，其特征在于，所述在所述多层图注意力网络中多次根据相邻节点的特征更新各节点的特征，完成多跳特征聚合，包括：
4.根据权利要求2所述的方法，其特征在于，所述确定最终特征与初始特征间的变化小于第三阈值的目标第二用户，以及与所述目标第二用户的初始特征最相似的目标第一用户，包括：
5.根据权利要求2所述的方法，其特征在于，所述根据所述目标第一用户在所述异构图中的第一子图结构，更新所述目标第二用户在所述异构图中的第二子图结构，包括：
6.根据权利要求5所述的方法，其特征在于，S1-20包括：
7.根据权利要求5所述的方法，其特征在于，S1-30包括：
8.根据权利要求1所述的方法，其特征在于，所述第二阈值取小于的值，其中，表示
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-8任一所述的基于图神经网络的在线学习视频资源个性化推荐方法。
...【技术特征摘要】
1.一种基于图神经网络的在线学习视频资源个性化推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述异构图输入多层图注意力网络，根据图结构对各节点的初始特征进行多跳聚合，并根据各节点的最终特征向各用户分别推荐至少一个视频，包括：
3.根据权利要求2所述的方法，其特征在于，所述在所述多层图注意力网络中多次根据相邻节点的特征更新各节点的特征，完成多跳特征聚合，包括：
4.根据权利要求2所述的方法，其特征在于，所述确定最终特征与初始特征间的变化小于第三阈值的目标第二用户，以及与所述目标第二用户的初始特征最相似的目标第一用户，包括：
5.根据权利要求2所述的方法，其...
【专利技术属性】
技术研发人员：智勇，袁亚兴，熊伟，王健，管梦媛，
申请(专利权)人：国开在线教育科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。