课程资源的融合知识图谱多任务特征推荐算法
https://dl.ccf.org.cn/file_server/20211117/159_226_43_5/gcyyy21-21/3c76cc35534a4bc28a801968013d28c0.jpg
在采集在线学习信息时,普遍存在数据缺失的情况,使得课程资源推荐时可能因数据稀疏导致推荐的效果不理想。为了解决上述问题,基于端对端的深度学习框架,提出了融合知识图谱的多任务特征推荐算法(Multi-Layer Knowledge graph Recommendation,MLKR)。基于多任务特征学习,在任务中嵌入知识图谱;在任务之间通过交叉压缩单元建立潜在特征和实体之间的高阶联系,从而建立推荐模型。实现了基于学习者目标、兴趣、知识水平的课程资源精准推荐。实验结果表明,MLKR推荐算法训练时长和预测准确率均优于基于用户或物品的协同过滤算法和逻辑回归模型,在课程资源推荐领域具有一定的应用价值。
<<< 上一篇
基于Agent的多属性决策模型及其在高校实验教
<<< 下一篇 LFKT:学习与遗忘融合的深度知识追踪模型
读完这篇文章后,您心情如何?
所有评论仅代表网友意见