教学资源编码的自适应优化及资源个性化推荐方法及系统

本申请涉及在线教育和智能教学领域，公开了一种教学资源编码的自适应优化及资源个性化推荐方法及系统。该方法引入包含动态难度、质量和时效性的动态特征编码，采用静态特征区与动态特征区分离管理；构建四元异构图神经网络，通过图模型、时序模型和内容模型从群体行为一致性、时序行为合理性和内容关联性三个视角生成高置信度伪标签；自适应计算资源特征更新值，形成闭环优化；基于用户画像通过深度学习模型实现个性化推荐。本申请克服了传统方法中资源编码静态化、隐式行为难挖掘、冷启动与人工干预成本高等问题，实现了从被动响应需求到主动预测需求的推荐范式升级，显著提升了教学资源推荐的精准度与效率。