一种基于图卷积神经网络的在线课程推荐系统

摘要：

由于在线课程学习不受时间和地点限制,越来越受到广大求学者的青睐,但各大在线教育平台推出的在线课程数量较多,使得用户难以选择.课程推荐是解决"信息过载"的重要手段,然而现有的课程推荐模型对用户和课程隐式交互数据挖掘不足,为此,文中提出一种基于图卷积神经网络的在线课程推荐系统.首先利用用户和课程的多种交互行为分类构建用户-课程二部图;然后将课程知识信息融入用户-课程二部图,利用图卷积神经网络高阶连通性递归地在图上传播嵌入信息,深入挖掘"用户-课程-知识"的关联关系,并设计高效的在线课程推荐系统,迅速响应用户课程请求;最后选取三种经典的神经网络推荐模型进行对比分析.实验结果表明,所提方法具有较高的推荐准确率.

关键词：在线教育、课程推荐、图卷积神经网络、用户-课程二部图、交互行为、推荐准确率

所属期刊栏目：46

分类号：TN926-34;TP18

资助基金：国家自然科学基金;陕西自然科学基金项目;西北政法大学军民融合研究院项目

在线出版日期：2023-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：66-70