-
题名基于元路径注意力机制的MOOC视频推荐方法
被引量：3
- 1
-
-
作者
周嘉凡
杜岳峰
宋宝燕
李晓光
赵阿珠
肖绪界
-
机构
辽宁大学信息学院
中国人民解放军
中国人民解放军
-
出处
《计算机应用》
CSCD
北大核心
2022年第6期1808-1813,共6页
-
基金
国家重点研发计划项目(2019YFB1406002,2021YFF0901004)
国家自然科学基金项目资助项目(U1811261)
+3 种基金
辽宁省公共舆情与网络安全大数据系统工程实验室基金资助项目(2016-294)
辽宁省教育厅科学研究项目(LJKZ0094)
辽宁省自然科学基金资助项目(2020-BS-082)
辽宁省教育厅青年育苗项目(LQN202010)。
-
文摘
MOOC平台上,一个课程可能存在多个版本的视频,为向学生推荐一个满足学习兴趣的MOOC视频就需要分析学生兴趣与视频内容的关系,为此,提出一种基于元路径注意力机制的视频推荐方法Mrec。一方面,利用异构信息网(HIN)描述学习者和MOOC资源之间的关系,进而使用元路径表达学生和视频之间的交互关系;另一方面,利用注意力机制捕捉学生、视频、元路径的特征对学习兴趣的影响情况。具体来说,Mrec方法包括两层注意力机制:第一层是节点注意力层,通过邻居的特征加权联合节点自身的特征,利用多头注意力得到实体在不同元路径下的特征表示;第二层是路径注意力层,通过融合在不同元路径的指导下学习到的实体的特征表示来捕捉实体在不同兴趣下的特征表示,并将学习到的用户与视频实体输入到多层感知机(MLP)中得到预测分数来进行top-K推荐。在MOOCCube和MOOCdata数据集上进行实验的结果表明,Mrec的点击率、归一化折损累积收益(NDCG)、平均倒数排名(MRR)与受试者工作特征曲线下面积(AUC)均优于对比方法。
-
关键词
推荐系统
异构信息网络
元路径
注意力机制
图神经网络
-
Keywords
recommendation system
Heterogeneous Information Network(HIN)
meta-path
attention mechanism
Graph Neural Network(GNN)
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
