科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统推荐方法主要采用用户之间的共同项目计算相似度，忽略课程推荐中隐含较多课程语义信息。为充分利用课程之间的语义信息，发掘用户的个性化兴趣，提出一种基于知识图谱的课程推荐。首先利用课程内容信息和用户行为记录构建知识图谱，通过课程知识图谱计算课程之间的相关性；再将课程实体与邻域信息选择性聚合来增强自身表示，发掘用户的潜在兴趣；最终通过语义信息深度挖掘课程之间的关系，利用图卷积网络来预测用户对课程的评分。结果表明，基于知识图谱的MOOC课程推荐与基线模型相比，在精确率、召回率、f1指标上分别提高3.33%、4.8%、4.68%。因此本文提出的方法在一定程度上能提升推荐效果，同时缓解数据稀疏和冷启动问题。
- 单位
