知识概念驱动的可解释MOOC课程推荐方法研究及实现.docxVIP

知识概念驱动的可解释MOOC课程推荐方法研究及实现 知识概念驱动的可解释MOOC课程推荐方法研究及实现摘要：随着MOOC（大规模在线开放课程）的兴起，课程推荐成为了一个重要的问题。传统的课程推荐方法主要基于用户行为和内容特征进行推荐，但是缺乏对课程的深层次理解。本文提出了一种基于知识概念的可解释MOOC课程推荐方法。首先通过课程大纲分析、词频分析等手段将课程内容抽象为知识点，并建立知识图谱。然后利用知识点的权重和关系，构建用户-课程-知识点三元组数据集。最后采用矩阵分解和深度学习模型进行预测和推荐，并利用可解释性技术解释推荐结果。实验结果表明，所提出的方法可以有效提高推荐效果同时提高可解释