一种改进图神经网络的在线教育资源推荐方法及系统

本申请实施例提供了一种改进图神经网络的在线教育资源推荐方法及系统，在方法中，基于教育资源、学员学习能力和资源知识点生成多路径异构图，在图神经网络中引入多路径异构图，构建用于预测学员偏好的推荐模型，推荐模型包括时序特征模块和图神经网络模块；在图神经网络模块中，路径感知卷积层针对多路径异构图中不同类型节点和边，构建类型转换矩阵，对不同路径分别进行卷积操作，聚合相邻节点的特征；特征融合层将经过处理的异构节点特征通过跨模态映射矩阵转换至统一空间，得到节点表示；利用推荐模型向学员推荐教育资源。本申请更贴合在线教育场景中知识储备衰减、学习能力动态变化及多维度关联的特性，提升了推荐结果的针对性与有效性。