基于图卷积神经网络的课程推荐算法研究 |
| |
引用本文: | 张树文.基于图卷积神经网络的课程推荐算法研究[J].信息系统工程,2023(1):158-160. |
| |
作者姓名: | 张树文 |
| |
作者单位: | 广东工业大学自动化学院 |
| |
摘 要: | 传统的矩阵分解算法只能简单提取低阶信息,而且特征组合单一,无法挖掘更多隐含信息。为了解决MOOC平台课程推荐系统数据稀疏性的问题,提出一种基于显隐式反馈相结合的扩展矩阵分解方法,同时为了避免冷启动等问题,采用图卷积神经网络捕获课程异构信息网络中的上下文信息,可以很大程度避免了冷启动问题,提升课程推荐的质量。实验结果表明:该推荐算法具有较好的准确率,能有效地缓解了数据稀疏和冷启动问题。
|
关 键 词: | 推荐系统 异构图 图卷积神经网络 显隐式反馈 矩阵分解 |
|
|