一种基于图卷积神经网络的在线课程推荐系统

作者：袁东维^*; 凤飞龙

来源：现代电子技术, 2023, 46(18): 66-70.

DOI：10.16652/j.issn.1004-373x.2023.18.013

• 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

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。

• 单位
  西北政法大学; 陕西师范大学