科研之友
微信
新浪微博
Facebook
分享链接
摘要
学习者在面对浩如烟海的在线学习课程资源时往往存在“信息过载”和“信息迷航”等问题，基于学习者的学习记录，向学习者推荐与其知识偏好和学习需求相符的MOOC资源变得愈加重要.针对现有MOOC推荐方法没有充分利用MOOC视频中所蕴含的隐式信息，容易形成“蚕茧效应”以及难以捕获学习者动态变化的学习需求和兴趣等问题，提出了一种融合视频字幕信息的动态MOOC推荐模型MOOCDR-VSI，模型以BERT为编码器，通过融入多头注意力机制深度挖掘MOOC视频字幕文本的语义信息，采用基于LSTM架构的网络动态捕捉学习者随着学习不断变化的知识偏好状态，引入注意力机制挖掘MOOC视频之间的个性信息和共性信息，最后结合学习者的知识偏好状态推荐出召回概率Top N的MOOC视频.实验在真实学习场景下收集的数据集MOOCCube分析了MOOCDR-VSI的性能，结果表明，提出的模型在HR@5,HR@10,NDCG@5,NDCG@10,NDCG@20评价指标上比目前最优方法分别提高了2.35%,2.79%,0.69%,2.2%,3.32%.
- 单位
