面向MOOCs的个性化知识概念推荐.pdfVIP

第5期华东师范大学学报(自然科学版)No.5

2024年9月JournalofEastChinaNormalUniversity(NaturalScience)Sept.2024

文章编号：1000-5641(2024)05-0032-13

面向MOOCs的个性化知识概念推荐

1121111

孔超,陈家会,孟丹,刁华彬,王维,张丽平,刘涛

（1.安徽工程大学计算机与信息学院,安徽芜湖241000;2.OPPO研究院,广东深圳518000）

摘要:近年来,大规模开放在线课程(massiveopenonlinecourses,MOOCs)已成为获取知识和技能的重要

途径.然而,因课程数量激增导致信息过载的问题日益严重.知识概念推荐旨在识别并向学生推荐需要

掌握的特定知识点.现有研究通过建立异质信息网络应对数据稀疏性,但在充分挖掘异质信息网络数据

和考虑学习者与知识概念之间多样互动方面存在局限性.为了解决这些问题,本文提出了一种名为融合

异质信息网络与行为感知的知识概念推荐(heterogeneouslearningbehavior-awareknowledgeconcept

recommendation,HLB-KCR)的新方法.首先,使用基于元路径的随机游走和skip-gram算法生成富含语义

信息的元路径嵌入,并通过两阶段元路径嵌入增强模块优化嵌入效果;其次,构建融入时间上下文信息的

多类型交互图,利用图神经网络(graphneuralnetwork,GNN)进行消息传递,更新节点嵌入,获得包含时

间和交互类型信息的深度嵌入表示;再次,引入语义注意力模块,将元路径嵌入与多类型交互嵌入相融合;

最后,使用扩展的矩阵分解评分预测模块优化推荐算法.在大型公开的MOOCCubeX数据集上进行大量

的实验证明了HLB-KCR的有效性与合理性.

关键词:在线学习;知识概念推荐;图神经网络;异质信息网络

中图分类号:TP181文献标志码:ADOI:10.3969/j.issn.1000-5641.2024.05.004

Personalizedknowledgeconceptrecommendationfor

massiveopenonlinecourses

11211

KONGChao,CHENJiahui,MENGDan,DIAOHuabin,WANGWei,