一种知识图谱增强的在线课程推荐方法

摘要

在课程推荐领域,通常会遇到数据稀疏性和冷启动问题,导致推荐效果不理想。为此,基于端到端深度学习框架,提出一种融合课程知识图谱的深度卷积神经网络(KGCN-CR)。通过聚集课程实体邻域信息增强自身实体表示,获取学生个性化潜在兴趣。以慕课(MOOC)平台为例,通过爬取计算机类和艺术类学生的课程交互数据和课程属性,构建课程知识图谱作为辅助信息增强课程推荐的性能,分别使用18135条交互数据以及44600条课程属性进行试验。结果表明,KGCN-CR的ACC以及AUC分别达到了82.3%和78.2%,比SVD提升15%,精确率、召回率以及F1值也最优。因此,知识图谱作为辅助信息能有效提升课程推荐的性能,能较好解决数据稀疏性以及冷启动问题,并具有较好的推荐可解释性。