期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于学习者兴趣挖掘的个性化课程推荐方法 被引量:16
1
作者 郭阳 李全龙 李骐 《郑州大学学报(理学版)》 北大核心 2021年第4期77-82,共6页
在线教育的一个显著特征是兴趣驱动,通过对学习者的学习行为数据的分析与挖掘,建立学习者的个性化学习兴趣模型,并进一步基于学习者学习兴趣为其推荐合适的课程。首先,建立学习者多层兴趣模型,准确刻画学习者对知识主题、课程及知识领... 在线教育的一个显著特征是兴趣驱动,通过对学习者的学习行为数据的分析与挖掘,建立学习者的个性化学习兴趣模型,并进一步基于学习者学习兴趣为其推荐合适的课程。首先,建立学习者多层兴趣模型,准确刻画学习者对知识主题、课程及知识领域的兴趣度;其次,构建学习者兴趣关系网,并基于兴趣关系网采用协同过滤方法为学习者进行课程推荐;最后,通过实验验证,证实了所提方法的有效性。 展开更多
关键词 学习兴趣模型 兴趣关系网 个性化课程推荐
在线阅读 下载PDF
采用局部子图嵌入的MOOCs知识概念推荐模型 被引量:2
2
作者 居程程 祝义 《计算机科学与探索》 CSCD 北大核心 2024年第1期189-204,共16页
大规模开放在线课程(MOOCs)在减少用户学习盲区和改善用户体验方面已经有大量的研究,尤其是基于图神经网络的个性化课程资源推荐,但现有工作主要集中在固定或同质图上,容易受到数据稀疏问题的影响且难以扩展。在局部子图上使用图卷积,... 大规模开放在线课程(MOOCs)在减少用户学习盲区和改善用户体验方面已经有大量的研究,尤其是基于图神经网络的个性化课程资源推荐,但现有工作主要集中在固定或同质图上,容易受到数据稀疏问题的影响且难以扩展。在局部子图上使用图卷积,并结合扩展的矩阵分解(MF)模型来解决这一问题。首先,将异构图分解为多个基于元路径的子图,结合随机游走采样方法实现在采样节点富有影响力邻域的同时捕获实体之间复杂的语义关系,并在局部邻域上进行图卷积平滑各节点表示,实现高可扩展性;然后,使用注意力机制适应性地融合不同子图的上下文信息,更全面地构建用户偏好;最后,通过扩展矩阵分解优化模型参数,获得推荐列表。为了验证提出模型的性能,在公开的MOOCs数据集上进行对比实验,相较于最优基线,性能提升了2%,内存计算需求降低了近500%,缓解数据稀疏问题的同时仍具有较强的可扩展性。 展开更多
关键词 大规模开放在线课程(MOOCs) 图神经网络 个性化课程推荐 图卷积 基于元路径的子图 扩展矩阵分解
在线阅读 下载PDF
基于PathSim的MOOCs知识概念推荐模型
3
作者 祝义 居程程 郝国生 《计算机科学与探索》 2024年第8期2049-2064,共16页
大规模开放在线课程提供大规模开放式在线学习平台,为推进现代教育发挥关键作用。然而,减少用户学习盲区和改善用户体验方面的研究仍具有挑战性:交互数据稀疏;难以扩展到大型推荐任务上;用户需求不单由用户喜好决定,还受到不同教师、课... 大规模开放在线课程提供大规模开放式在线学习平台,为推进现代教育发挥关键作用。然而,减少用户学习盲区和改善用户体验方面的研究仍具有挑战性:交互数据稀疏;难以扩展到大型推荐任务上;用户需求不单由用户喜好决定,还受到不同教师、课程影响;以统一的方式对课程学习事件中不同类型实体及关系进行建模并不妥靠。基于此,引入相关性度量,依据全图结构信息计算各边权重,提出采用相关性度量算法PathSim进行邻域采样的知识概念推荐模型PathSimSage。各实体间相关性得分可在本地离线计算,将神经网络与传播过程分离,保证神经网络的堆叠层数和传播过程的独立性,大幅减少模型所需训练时间。在公开的MoocCube数据集上进行了综合实验,PathSimSage降低了不相关的信息甚至噪声的影响,解决随机游走采样所引发的高度节点偏差问题,并在一定程度上缓解了过平滑效应。 展开更多
关键词 大规模开放在线课程 图神经网络 个性化课程推荐 图卷积 基于元路径的子图 相似性度量
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部