融合热点与长短期兴趣的图神经网络课程推荐模型

作     者：刘源 董永权 陈成 贾瑞 印婵 LIU Yuan;DONG Yongquan;CHEN Cheng;JIA Rui;YIN Chan

作者机构：江苏师范大学计算机科学与技术学院江苏徐州221116 徐州市云计算工程技术研究中心江苏徐州221116 江苏省教育信息化工程技术研究中心江苏徐州221116 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2024年第18卷第6期

页      面：1600-1612页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61872168) 江苏省教育科学“十四五”规划课题(D/2021/01/112) 

主　　题：课程推荐 基于会话的推荐 图神经网络 长短期兴趣 冷启动 

摘      要：近年来大规模在线开放课程(MOOCs)平台为用户提供了海量的学习资源,亟需一种有效的个性化课程推荐方法帮助用户解决信息过载问题。现有的课程推荐方法忽略了课程间的时序性且无法较好地捕获课程间的长距离依赖关系,同时面临用户学习兴趣表示和冷启动两个关键问题。基于此,提出一种融合热点与长短期兴趣的图神经网络课程推荐模型(GHLS4CR)。该模型设计无环时序图和无环快捷图两种会话图构建方法来缓解现有方法存在的时序信息丢失和不善于捕获长距离依赖的问题;将用户长短期兴趣进行图级表示,并与热门课程信息进行融合实现个性化推荐,同时缓解冷启动问题。通过在学堂在线(XuetangX)公开数据集MOOCCourse上的大量实验表明,GHLS4CR在个性化课程推荐领域优于FISSA和LESSR等主流推荐模型。与次好的LESSR模型相比,Recall@5提高了13.28%,MRR@5提高了15.50%。