科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来大规模在线开放课程（MOOCs）平台的使用愈加频繁，需要一种有效的方法来为用户进行个性化课程推荐。针对现有的课程推荐方法通常利用课程学习记录为用户的学习兴趣建立整体的静态表示，而忽略了学习兴趣动态变化与用户短期学习兴趣的问题，提出了一种分层分期的注意力网络（HPAN）来进行个性化课程推荐。第一层利用注意力网络来分别得到用户的长短期学习兴趣；第二层将用户的长短期学习兴趣和短期交互序列相结合通过注意力网络得到用户兴趣向量，计算其与每个课程向量的偏好值，据此为该用户进行课程推荐。在XuetangX（学堂在线）公开数据集上的实验结果表明，HPAN模型拥有更好的推荐效果，与次好的序列分层注意力网络模型（SHAN）相比，Recall@5提高了12.7%；与FPMC模型相比，M@20提高了15.6%。
- 单位
