-
题名基于异质图嵌入和会话交互的课程推荐模型
被引量：1
- 1
-
-
作者
吴正洋
张广涛
黄立
汤庸
-
机构
华南师范大学计算机学院
琶洲实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第4期95-103,共9页
-
基金
国家自然科学基金(62377015)。
-
文摘
大规模在线教育平台所形成的网络具有数据量大、实体类型丰富、关系复杂等特性。一方面,在线教育正在被大力普及,而另一方面,在线课程却面临低使用率、低完成度及高辍学率的问题。个性化的课程推荐有利于提高学习者的学习积极性,其中,课程能否顺利合格完成是学习者在选课时所考虑的重要因素。鉴于此,提出一种基于学习完成度预测的个性化课程推荐模型。对学生的课程学习会话图进行建模,根据学生的课程学习顺序以及课程的完成情况,生成学生的学习状态表征;同时考虑在线学习环境因素对课程的影响,构建在线课程学习异质图,采用图神经网络生成异质图中课程节点的嵌入;然后通过交互机制融合学习状态表征和课程嵌入,预测学生下一门将学课程的完成度,根据完成度排序从而实现课程推荐。在CNPC、HMXPC和Scho1at3个大规模在线课程学习数据集上的实验结果表明,该模型能有效提升推荐的准确度,在归一化折损累计增益(NDCG)和平均倒数排名(MRR)2个指标上相较于基线模型最优结果均有显著提升,评估指标K值取5时,其NDCG@5指标在3个数据集上分别提升21.08%、17.73%和5.41%,MRR@5指标在3个数据集上分别提升25.66%、31.59%和26.96%。
-
关键词
异质图
会话交互
课程推荐
图表征学习
图神经网络
-
Keywords
heterogeneous graph
session interaction
course recommendation
graph representation learning
graph neural network
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于交互序列商品相关性建模的图卷积会话推荐
被引量：7
- 2
-
-
作者
闫昭
项欣光
李泽超
-
机构
南京理工大学计算机科学与工程学院
-
出处
《中国科学：信息科学》
CSCD
北大核心
2022年第6期1069-1082,共14页
-
基金
科技创新2030“新一代人工智能”重大项目课题(批准号:2018AAA0102002)
国家自然科学基金企业创新发展联合基金重点支持项目(批准号:U20B2064)
“万人计划”青年拔尖人才项目资助。
-
文摘
会话推荐旨在根据用户在会话中的短期行为,预测用户的后续行为,多应用于用户匿名访问网站的场景.会话推荐的核心在于商品之间协同关系的建模,以提升推荐结果的性能.现有方法大都挖掘商品交互顺序信息以计算商品间的协同关系.这种方式仅仅考虑了商品之间的相邻交互的信息,忽视了历史交互信息.其实,若两个商品共享相同的历史交互信息,即它们具有一定的协同关联性.例如,在两个商品交互序列为I_(1)-I_(2)-I_(3)和I_(1)-I_(2)-I_(4)的会话中,商品I_(3)与I_(4)的历史交互信息均为I_(1)-I_(2),则商品I_(3)与I_(4)极有可能具有较强的关联关系.因此,本文提出了一种新颖的会话推荐模型IHGCN,通过分析会话的商品交互序列建模商品之间的关联关系,同时挖掘了相邻交互信息和历史交互信息.为了从这些交互信息中协同分析出商品特征,所提出方法使用图结构构建商品之间的关系,并引入图卷积网络从商品关系图中学习商品特征.该方法使用特征维度级的细粒度注意力机制挖掘户的全局偏好,并融合用户的局部偏好;基于学习得到的商品特征和用户偏好特征生成最终的推荐结果.本文在3个公开数据集上进行了验证分析,与当前最好的相关方法的比较结果表明所提出方法IHGCN的有效性和优越性.
-
关键词
会话推荐
图卷积网络
商品交互相似性
用户偏好
注意力机制
-
Keywords
session-based recommendation
graph convolutional network
item interaction similarity
user preference
attention mechanism
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名基于会话的独立邻域矩阵偏好交互推荐
- 3
-
-
作者
何婧媛
田原
姜宁
谢生龙
-
机构
延安大学数学与计算机科学学院
-
出处
《江西科学》
2024年第1期12-18,107,共8页
-
基金
陕西省教育厅2022年度一般专项科研计划项目(22JK0616)。
-
文摘
通过合并输入和输出邻域矩阵可以使一些工作生成全局和局部偏好,并直接对这2个偏好建模来构建会话表示,从而实现改进。然而,一个会话的输入矩阵和输出矩阵并没有很强的相关性,它们的连接可能会为构建2个偏好引入噪声。其次,全局偏好和局部偏好可以相互促进,且邻域会话的协同信息可能有助于提高推荐性能。因此,一种基于会话的偏好交互推荐被提出,它来自独立的输入邻域矩阵和输出邻域矩阵框架,包括2个并行模块:输入会话表示编码器(ISE)和输出会话表示编码器(OSE)。ISE通过GNN和并行协同注意力机制对具有输入信息的会话表示进行建模。OSE通过GNN和并行协同注意力机制对具有输出信息的会话表示进行建模。最后,引入一种融合门控机制来平衡ISE和OSE产生的会话表示的重要性。结果表明,在Yoochoose和Diginetica数据集上,提出的模型明显优于其他先进的方法。
-
关键词
基于会话的推荐
协同注意力机制
邻域矩阵
偏好交互
-
Keywords
session-based recommendation
co-attention mechanism
adjacent matrix
preference interaction
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
