一种基于关系属性的可解释习题推荐方法及系统

本发明涉及智慧教学技术领域，具体提供了一种基于关系属性的可解释习题推荐方法及系统，具体如下：处理现有数据集中用户与习题的交互数据，根据数据间的关系搭建用户‑习题知识图谱，并进行初始化；将初始化后的用户‑习题知识图谱实例输入至TransE模型进行训练，得到训练后实体和关系的嵌入向量；在用户‑习题知识图谱上进行用户练习习题推荐，将用户练习习题推荐形式化为马尔科夫决策过程，通过构建一个强化学习系统在用户‑习题知识图谱上进行多步骤路径推理实现用户练习习题推荐。本发明不仅实现了更精准的用户画像，而且提高了推荐系统的准确性，同时从知识图谱中提取推荐问题和学生练习过的问题之间的路径来生成可解释的推荐。