融合知识点与图卷积的在线编程题目推荐算法

摘要：

针对在线编程场景下题目推荐方法信息利用不足,在高稀疏度下效果较差的问题,提出一种融合知识点与图卷积的题目推荐算法LGCNR.首先通过潜在狄利克雷分布模型提取题目文本中的知识点信息,并结合用户答题记录的统计数据综合计算题目的相似度.同时将用户的答题记录建模为用户答题意愿度,通过隐语义模型分解用户答题意愿度得到题目的潜在特征.最后利用图卷积层与自注意力机制动态融合题目相似度与题目潜在特征,缓解数据稀疏问题.基于一个真实数据集的实验结果表明,所提算法具有比基线方法更好的推荐效果,在高稀疏度下优势更加明显.

关键词：在线编程系统、推荐系统、潜在狄利克雷分布、图卷积、自注意力机制

所属期刊栏目：44

分类号：TP302(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省自然科学基金;河北省高等学校科学技术研究项目;教育部产学合作协同育人项目

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2331-2337