基于序列感知与多元行为数据的MOOCs知识概念推荐OA北大核心CSTPCD
Sequence-aware and multi-type behavioral data driven knowledge concept recommendation for massive open online courses
大规模在线开放课程(massive open online courses,MOOCs)中,知识概念推荐旨在分析和提取平台上的学习记录,进而为用户推荐个性化的知识概念,避免主观盲目地挑选学习内容导致的低效性.然而,现有的知识概念推荐方法缺乏对用户行为数据的多维度利用,例如序列信息和复杂类型交互.鉴于此,提出了一种基于序列感知与多元行为数据的MOOCs知识概念推荐方法,提取知识概念的序列信息,并与图卷积网络输出的特征通过注意力机制进行聚合,参与用户…查看全部>>
In massive open online courses(MOOCs),knowledge concept recommendation aims to analyze and extract learning records from a platform to recommend personalized knowledge concepts to users,thereby avoiding the inefficiencies caused by the blind selection of learning content.However,existing methods often lack comprehensive utilization of the multidimensional aspects of user behavior data,such as sequential information and complex interactions.To address this is…查看全部>>
任俊霖;王欢;黄骁迪;李艳婷;琚生根
四川大学 计算机学院,成都 610065四川大学 计算机学院,成都 610065四川大学 计算机学院,成都 610065四川大学 计算机学院,成都 610065四川大学 计算机学院,成都 610065
计算机与自动化
知识概念推荐序列建模对比学习
knowledge concept recommendationsequence modelingcontrastive learning
《华东师范大学学报(自然科学版)》 2024 (5)
45-56,12
国家自然科学基金(62137001)
评论