買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江工業大學申請的專利一種基于關聯關系和視頻交互的在線課程輟學預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114880525B 。

龍圖騰網通過國家知識產權局官網在2025-04-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210581113.X，技術領域涉及：G06F16/901；該發明授權一種基于關聯關系和視頻交互的在線課程輟學預測方法是由郝鵬翼;韓天星;白琮設計研發完成，并于2022-05-25向國家知識產權局提交的專利申請。

本一種基于關聯關系和視頻交互的在線課程輟學預測方法在說明書摘要公布了：本發明公開了一種基于關聯關系和視頻交互的在線教育輟學預測方法，首先得到用戶學習課程視頻的異構信息圖和視頻交互時序矩陣，然后一方面將異構信息圖輸入至基于節點三元組的深層關聯關系特征提取模塊得到用戶和課程的關聯特征表示，接著通過特征融合得到深層關聯關系特征，另一方面將視頻交互時序矩陣輸入至交互特征提取模塊，得到交互特征，最后結合深層關聯關系特征和交互特征計算用戶在其選修課程上的輟學概率。本發明將用戶在線學習的情境建模為異構信息圖，通過挖掘圖中復雜、多樣的節點關聯關系，構造出表征能力更強的節點表示，并結合真實情境中信息量最大的視頻交互信息，提取得到的交互特征，大大增強了模型的預測能力和泛化能力。

本發明授權一種基于關聯關系和視頻交互的在線課程輟學預測方法在權利要求書中公布了：1.一種基于關聯關系和視頻交互的在線課程輟學預測方法，其特征在于，所述基于關聯關系和視頻交互的在線課程輟學預測方法，包括：根據用戶的課程選修記錄、用戶的視頻觀看記錄和課程的視頻資源記錄，構建用戶學習課程視頻的異構信息圖G，經過節點嵌入模塊，得到圖G中各個節點分別對應的節點嵌入；將所述各個節點的節點嵌入按照預先定義的用戶三元組集tu輸入至深層關聯關系特征提取模塊，得到用戶的關聯特征表示fu；將所述各個節點的節點嵌入按照預先定義的課程三元組集tc輸入至深層關聯關系特征提取模塊，得到課程的關聯特征表示fc；基于用戶和課程選修關系對，將用戶的關聯特征fu和課程的關聯特征fc進行特征融合，得到用戶和課程選修關系對的深層關聯關系特征FR；根據用戶的課程選修記錄和用戶的視頻觀看記錄，構建視頻交互時序矩陣A，將視頻交互時序矩陣A輸入至交互特征提取模塊，得到交互特征FT；基于所述深層關聯關系特征FR和交互特征FT，計算用戶在其選修課程上的輟學概率；其中，所述將所述各個節點的節點嵌入按照預先定義的用戶三元組集tu輸入至深層關聯關系特征提取模塊，得到用戶的關聯特征表示fu，包括：步驟2.1、根據用戶節點與任意節點所存在的關聯關系，構造用戶三元組集tu；步驟2.2、基于任意三元組η∈tu，對不同用戶節點采樣鄰居節點，得到所有用戶的一階鄰居節點集，再依次對所有用戶節點的一階鄰居節點采樣鄰居節點，得到用戶的二階鄰居節點集；步驟2.3、基于任意三元組η∈tu，采用相關性度量方法，得到所有用戶節點與其各個二階鄰居節點的相似度矩陣；步驟2.4、基于任意三元組η∈tu，將用戶節點與其二階鄰居節點的相似度值和二階鄰居節點自身的節點嵌入相乘，得到所有用戶節點在三元組η下的二階鄰居節點基于相似度引導的嵌入表示；步驟2.5、基于任意三元組η∈tu，應用軟注意力機制，得到用戶在三元組η下的關聯特征表示，遍歷三元組集tu，得到所有用戶在不同三元組下的關聯特征表示；步驟2.6、對所有用戶在不同三元組下的關聯特征表示進行自注意力機制操作，得到用戶的關聯特征表示；所述將所述各個節點的節點嵌入按照預先定義的課程三元組集tc輸入至深層關聯關系特征提取模塊，得到課程的關聯特征表示fc，包括：步驟3.1、根據課程節點與任意節點所存在的關聯關系，構造課程三元組集tc；步驟3.2、基于任意三元組ξ∈tc，對不同課程節點采樣鄰居節點，得到所有課程的一階鄰居節點集，再依次對所有課程節點的一階鄰居節點采樣鄰居節點，得到課程的二階鄰居節點集；步驟3.3、基于任意三元組ξ∈tc，采用相關性度量方法，得到所有課程節點與其各個二階鄰居節點的相似度矩陣；步驟3.4、基于任意三元組ξ∈tc，將課程節點與其二階鄰居節點的相似度值和二階鄰居節點自身的節點嵌入相乘，得到所有課程節點在三元組ξ下的二階鄰居節點基于相似度引導的嵌入表示；步驟3.5、基于任意三元組ξ∈tc，應用軟注意力機制，得到課程在三元組ξ下的關聯特征表示，遍歷三元組集tc，得到所有課程在不同三元組下的關聯特征表示；步驟3.6、對所有課程在不同三元組下的關聯特征表示進行自注意力機制操作，得到課程的關聯特征表示fc；所述根據用戶的課程選修記錄和用戶的視頻觀看記錄，構建視頻交互時序矩陣A，將視頻交互時序矩陣A輸入至交互特征提取模塊，得到交互特征FT，包括：步驟5.1、基于用戶的課程選修記錄和其學習課程前d天的視頻觀看記錄，得到視頻交互時序矩陣集A；步驟5.2、將視頻交互時序矩陣A輸入至交互特征提取模塊，所述交互特征提取模塊為雙向LSTM模型，得到交互特征FT。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工業大學，其通訊地址為：310014 浙江省杭州市下城區潮王路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。