基于Hawkes过程与TimeXer机制的动态偏好感知在线课程推荐方法

一种基于Hawkes过程与TimeXer机制的动态偏好感知在线课程推荐方法，包括：获取用户数据与课程数据，数据包含用户属性、历史交互序列和课程属性；采用预训练的BERT语言模型生成上下文语义嵌入向量；应用球面高斯模型将嵌入向量投影至单位超球面空间，利用球面距离度量相似性，以缓解数据稀疏和冷启动问题；构建集成Hawkes过程与TimeXer注意力机制的用户动态偏好模型，Hawkes过程计算事件发生强度以捕捉自激励特性，该强度信息调整TimeXer注意力机制，生成反映偏好动态变化的加权用户表示；根据加权用户表示与投影后课程嵌入向量的相似度，计算推荐分数，生成个性化的在线课程推荐结果。本发明通过精确捕捉用户动态偏好和有效处理稀疏冷启动问题，提升了在线课程推荐的准确性。