一种知识图谱增强的在线课程推荐方法

• 作者: 陈欣 孙玉虹 丁长青 刘利聪
• 来源期刊: 软件导刊
• 学科: 教育
• 关键词: 知识图谱 在线课程推荐 神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 专题:智慧教育
• 页码范围: 9-14
• 页数: 6页
• 分类号: G434
• 语种: 中文
• DOI: 10.11907/rjdk.212588

摘要

在课程推荐领域,通常会遇到数据稀疏性和冷启动问题,导致推荐效果不理想.为此,基于端到端深度学习框架,提出一种融合课程知识图谱的深度卷积神经网络(KGCN-CR).通过聚集课程实体邻域信息增强自身实体表示,获取学生个性化潜在兴趣.以慕课(MOOC)平台为例,通过爬取计算机类和艺术类学生的课程交互数据和课程属性,构建课程知识图谱作为辅助信息增强课程推荐的性能,分别使用18135条交互数据以及44600条课程属性进行试验.结果表明,KGCN-CR的ACC以及AUC分别达到了82.3％和78.2％,比SVD提升15％,精确率、召回率以及F1值也最优.因此,知识图谱作为辅助信息能有效提升课程推荐的性能,能较好解决数据稀疏性以及冷启动问题,并具有较好的推荐可解释性.