基于超图神经网络与知识追踪的自适应学习路径推荐方法

本申请公开了一种基于超图神经网络与知识追踪的自适应学习路径推荐方法，涉及学习路径推荐领域，包括确定学习资源之间的关联关系，作为学习资源无向图的边；学习资源的特征作为学习资源无向图每个节点的嵌入特征向量；利用图神经网络对嵌入特征向量进行更新得到资源嵌入向量，作为学习者超图结构的节点特征；利用超图神经网络对学习者超图结构进行迭代聚合，得到动态资源嵌入和学习者行为序列，生成初始推荐列表，进一步生成候选学习路径集合，利用非支配排序遗传算法II生成帕累托前沿解集；基于动态权重分配策略和综合效用函数计算解集中每条路径的综合得分，确定最优学习路径。本申请提高了学习路径推荐的精准度以及有效性。