华东师范大学学报(自然科学版)

作者：任俊霖, 王欢, 黄骁迪, 李艳婷, 琚生根

关键词：知识概念推荐,序列建模,对比学习,

基金：国家自然科学基金 (62137001)

大规模在线开放课程 (massive open online courses, MOOCs) 中, 知识概念推荐旨在分析和提取平台上的学习记录, 进而为用户推荐个性化的知识概念, 避免主观盲目地挑选学习内容导致的低效性. 然而, 现有的知识概念推荐方法缺乏对用户行为数据的多维度利用, 例如序列信息和复杂类型交互. 鉴于此, 提出了一种基于序列感知与多元行为数据的MOOCs知识概念推荐方法, 提取知识概念的序列信息, 并与图卷积网络输出的特征通过注意力机制进行聚合, 参与用户下一个感兴趣知识概念的预测. 此外, 利用多元对比学习, 将用户兴趣偏好与不同的交互关系融合, 准确学习到复杂交互中的个性化特征. 在MOOCCube数据集上的实验结果表明, 所提出的方法在多项指标上优于现有的基线模型, 验证了其在知识概念推荐中的有效性和实用性.

来源：2024年第5期

《华东师范大学学报(自然科学版)》期刊编辑部

查看华东师范大学学报(自然科学版)杂志2024年第5期