-
题名先决条件关系信息增强的课程知识图谱关系预测方法
被引量：2
- 1
-
-
作者
杨佳琦
贺超波
官全龙
林晓凡
梁卓明
罗辉琼
-
机构
华南师范大学计算机学院
暨南大学信息科学技术学院
华南师范大学教育信息技术学院
华南师范大学网络信息中心
-
出处
《计算机科学》
CSCD
北大核心
2024年第10期162-169,共8页
-
基金
国家自然科学基金(62077045)
广东省基础与应用基础研究基金(2024A1515011758)。
-
文摘
大量课程知识图谱在自动答疑、学习路径规划及学习资源推荐等智能化教学应用中发挥着重要的支撑作用,然而实体间关系缺失导致的不完整问题显著降低了它们的应用价值。关系预测是自动化补全课程知识图谱缺失关系的主要手段,但现有方法仅直接使用稀疏的拓扑结构信息,未能挖掘利用其特有的先决条件关系信息进一步提升预测性能。针对该问题,设计了一种先决条件关系信息增强的课程知识图谱关系预测方法PRIERP。该方法首先设计基于语义路径计算的先决条件关系信息提取机制,然后分别基于拓扑结构信息和先决条件关系信息构建双视图,并设计有向图Transformer从双视图学习课程知识图谱的低维表征,最后基于多层感知机分类模型实现端到端的关系预测。在两个典型课程知识图谱HhsMath和ML上进行相关实验,结果表明PRIERP优于其他代表性方法。在HhsMath中,PRIERP在MRR,Hits@1,Hits@3和Hits@10评价指标上相比基线方法至少分别提升2.43%,5.93%,4.73%和1.72%。此外,关系预测的典型案例分析结果也证明了PRIERP的有效性。
-
关键词
课程知识图谱
关系预测
先决条件关系
图Transformer
-
Keywords
Course knowledge graph
Relation prediction
Prerequisite relation
Graph transformer
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
