基于异质图嵌入和会话交互的课程推荐模型

作者：吴正洋; 张广涛; 黄立; 汤庸^*

来源：计算机工程, 2023, 1-10.

DOI：10.19678/j.issn.1000-3428.0067554

• 异质图
• 会话推荐
• 课程推荐
• 图表征学习
• 图神经网络

随着计算机技术与教育技术的快速发展，大规模在线教育平台所形成的网络具备了数据量大、实体类型丰富、关系复杂等特性。一方面在线教育正在被大力普及，而另一方面在线课程却面临着低使用率、低完成度，及高辍学率的问题。个性化的课程推荐有利于提高学习者的学习积极性，其中，课程能否顺利合格完成是学习者在选课时所考虑的重要因素。鉴于此，提出了一种基于学习完成度预测的个性化课程推荐模型，该模型对学生的课程学习会话图进行建模，根据学生的课程学习顺序，以及课程的完成情况，生成学生的学习状态表征；同时考虑在线学习环境因素对课程的影响，构建在线课程学习异质图，采用图神经网络生成异质图中课程节点的嵌入；然后通过交互机制融合学习状态表征和课程嵌入，预测学生下一门将学课程的完成度，根据完成度排序从而实现课程推荐。在CNPC、HMXPC和Scholat三个大规模在线课程学习数据集的实验结果表明，该模型能有效提升推荐的准确度，该模型在NDCG@K和MRR@K两个指标上相较于基线模型最优结果均有显著提升。评估指标K值取5时，其指标NDCG@5在三个数据集上分别提升21.08%、17.73%和5.41%；MRR@5在三个数据集上分别提升25.66%、31.59%和26.96%。

• 单位
  华南师范大学