本发明涉及对话推荐系统，更特别地说，是指一种适用于在线教育场景的基于用户多偏好融合增强的对话推荐方法。
背景技术：
1、在线教育顾名思义是以网络为介质的教学方式，通过网络，学员与教师即使相隔万里也可以开展教学活动；此外，借助网络课件，学员还可以随时随地进行学习，真正打破了时间和空间的限制。对于工作繁忙，学习时间不固定的职场人而言网络远程教育是最方便不过的学习方式。目前在线教育的形式较多，各个网校资源参差不齐。为了促进在线教育健康发展，大幅提升在线教育的基础设施建设水平，互联网、大数据、人工智能等现代信息技术在教育领域的应用更加广泛、在线教育模式更加完善，资源和服务更加丰富。
2、推荐系统会向用户提供一系列不同项目以供用户进行选择。在用户选择项目的过程中，用户与系统产生一系列交互行为。推荐系统通过理解用户的交互行为来获取用户的偏好表征，进而向用户推荐最符合用户需求的项目。刊名：软件学报，issn：1000-9825，出版日期：2022年，期号：第12期，页码：4616-4643，“对话推荐算法研究综述”中介绍了对话推荐系统的基本功能框架，如图1所示。
3、对话推荐系统在在线教育中的广泛应用，旨在通过对话获取用户(教师或学员)的兴趣并进行适当的推荐。对话推荐系统需要在与用户的多轮对话中逐渐掌握用户的偏好，并根据数据库(教师数据库、学员数据库或课程数据库)中已有的项目向用户进行推荐。在对话推荐中，外部库(如知识图谱、词库等)经常参与到对话推荐系统模型的训练中，但是由于外部库之间经常带来语义空间不一致的问题，这样会严重限制对话推荐系统模型的性能。
4、除此之外，目前大多数对话推荐系统都是基于当前对话进行推荐，忽略了用户历史对话数据，同时也忽视了相似用户的偏好对推荐的性能的提升，这样会导致系统需要通过更多的轮次获取用户的偏好，造成当前会话对话轮次偏多，进而对用户体验带来不良的影响。
技术实现思路
1、本发明引入外部库获取更多课程关系以提升偏好获取效果，同时解决两个外部库语义空间不一致与对话轮次偏多的问题，提出一种新的对话推荐的方式。本发明的一种基于用户多偏好融合增强的对话推荐系统及方法，该系统是保存在对话推荐系统的用户意图理解模块中的，是为了增强用户意图理解而设置的。本发明方法是基于给定目标用户的历史与当前对话数据，以及用户之间的相似特性，更加准确的获取用户的意图偏好，从而能够据此向用户推荐最可能符合需求的课程。
2、本发明的一种基于用户多偏好融合增强的对话推荐系统包括有表征对齐模块、实体与单词抽取模块、长短期偏好获取模块、相似用户偏好获取模块、表征融合模块。
3、表征对齐模块第一方面用于接收知识图谱编码后的与第二方面使用互信息最大化的方法使与中的节点对齐。
4、用户对话序列拼接模型将用户与在线教育数据库之间的交互产生的对话序列作为用户历史数据，导入到当前用户－对话序列集合中。
5、对于任意一个用户userm，将属于userm与在线教育数据库的用户－对话序列集合中的每一个对话序列进行抽取，并将抽取的这些对话序列组合成一个用户－对话序列－会话总集记为且
6、属于用户userm的的对应的用户－对话序列－会话－单词总集为
7、实体与单词抽取模块第一方面是从与中来查找与关联的课程实体表征、单词节点表征；第二方面是以对话推荐系统从最近的对话中获取到的所有上下文项目的嵌入表征所组成的矩阵以用户的对话序列mmdc中的单词对应在经单词知识图谱编码的单词节点表征矩阵中的单词节点的表示组合的矩阵vv(mmdc)。
8、长短期偏好获取模块通过设计基于时间门控的lstm模型，获取用户实体上的长短期偏好并与用户单词偏好进行融合，从而获取从用户会话中学习到的用户对话偏好。具体地：第一方面使用基于时间门控的lstm兴趣获取用户短期课程偏好pp短期；第二方面使用基于注意力协调过滤模型获取用户长期课程偏好pp长期；第三方面使用基于注意力的短期课程偏好与长期课程偏好融合获取用户的课程偏好表征pp实体；第四方面使用自注意力机制兴趣获取用户单词偏好pp单词；第五方面使用门控机制获取用户对话偏好表征pp对话。
9、相似用户偏好获取模块通过设计贡献度权重，计算出其他用户对当前用户的贡献度评分，将部分相似度高的用户偏好特征通过门控注意力机制融入到用户的偏好特征中并进行课程推荐。具体地：第一方面根据其他用户的偏好表征计算贡献度第二方面根据不同用户的贡献度计算出相似用户表征pp相似。
10、表征融合模块使用门控注意力机制对相似用户偏好表征与用户对话偏好表征进行融合，获得用户偏好表征pp用户。
11、本发明提供一种基于用户多偏好融合增强的对话推荐方法，包括有：
12、步骤一，引入用户历史数据，并将用户的会话进行拼接形成会话集合；
13、在本次对话开始前，系统根据当前用户索引其历史会话数据并进行拼接形成会话集合。
14、步骤二，引入外部知识图谱获取表征；
15、引入课程知识图谱与单词知识图谱，将两个知识图谱进行编码。通过图神经网络的方式获取知识图谱中项目的实体表征与词库的语义表征，然后根据用户提到的项目以及单词从实体表征与语义表征提取出对应的表征。
16、步骤三，不同知识图谱之间的语义空间融合；
17、将课程知识图谱与单词知识图谱使用互信息最大化方法进行语义空间对齐，从而缓解课程知识图谱与单词知识图谱之间的语义空间不一致的问题。
18、步骤四，基于时间门控机制的长短期记忆网络用户课程偏好获取方法；
19、为了更好地获取用户偏好表征，设计分别从用户短期实体偏好、用户长期实体偏好与用户单词偏好获取用户偏好并进行融合。通过设计基于时间门控的lstm模型与基于注意力协调过滤模型，分别获取用户在课程实体上的长短期课程实体偏好，并将长短期课程实体偏好融合成用户实体偏好；同时建模用户对话中的单词以获取用户单词偏好；使用门控机制将用户实体偏好与用户单词偏好融合并获取用户对话对话偏好表征。
20、步骤五，基于相似用户的偏好表征增强处理；
21、通过设计贡献度权重，计算出其他用户对当前用户的贡献度评分，将部分相似度高的用户偏好特征通过门控注意力机制融入到用户的偏好特征中并进行课程推荐。
22、本发明技术方案达到的效果在于：
23、(1)本发明在获取用户偏好时，将偏好分为长期偏好与短期偏好，有效地解耦用户不同时期的兴趣模式。相比其他的模型直接计算用户的兴趣偏好表征，本发明可以较好地挖掘出用户对话序列中难以发觉的稳定兴趣偏好以及动态兴趣偏好。
24、(2)本发明在获取用户偏好时，将用户对话序列中的单词进行建模，获取用户的语义表征。相比其他模型直接对实体进行建模，本发明能有效地获取用户语义中对该实体的偏好程度。
25、(3)本发明在获取用户偏好时，通过用户相似性算法计算出相似用户并辅助用户进行偏好表征建模，当用户对话较少时，相似用户建模对该用户辅助建模的效果越明显。
1.一种基于用户多偏好融合增强的对话推荐方法，该方法是基于给定目标用户的历史与当前对话数据，以及用户之间的相似特性，更加准确的获取用户的意图偏好，从而能够据此向用户推荐最可能符合需求的课程；其特征在于包括有下列步骤：
2.根据权利要求1所述的基于用户多偏好融合增强的对话推荐方法，其特征在于：在线教育网络中的节点身份包括有课程、课程属性或者会话中拆分的单词。
3.一种基于用户多偏好融合增强的对话推荐系统，该系统是保存在对话推荐系统的用户意图理解模块中的，是为了增强用户意图理解而设置的；其特征在于包括有表征对齐模块、实体与单词抽取模块、长短期偏好获取模块、相似用户偏好获取模块、表征融合模块；
