计算机应用

作者：刘源, 董永权, 贾瑞, 杨昊霖

单位：1.江苏师范大学 计算机科学与技术学院，江苏 徐州 221116；2.徐州市云计算工程技术研究中心（江苏师范大学），江苏 徐州 221116

关键词：推荐系统,课程推荐,注意力机制,个性化推荐,长短期兴趣

基金：国家自然科学基金资助项目(61872168);江苏省教育科学“十四五”规划课题(D/2021/01/112);江苏师范大学科研与实践创新项目(2022XKT1544)

随着大规模在线开放课程（MOOC）平台的广泛使用，需要一种有效的方法为用户推荐个性化课程。针对现有的课程推荐方法通常利用课程学习记录为用户的学习兴趣建立整体的静态表示，但忽略了学习兴趣动态变化与用户短期学习兴趣的问题，提出一种分层分期的注意力网络（HPAN）进行个性化课程推荐。该网络的第1层利用注意力网络得到用户的长短期学习兴趣，第2层将用户的长短期学习兴趣和短期交互序列相结合并通过注意力网络得到用户的兴趣向量；然后计算用户兴趣向量与每个课程向量的偏好值，据此为用户进行课程推荐。在XuetangX（学堂在线）公开数据集上的实验结果表明，与次优的序列分层注意力网络（SHAN）模型相比，HPAN模型的Recall@5提高了12.7%，与FPMC（Factorizing Personalized Markov Chains）模型相比，它的MRR@20提高了15.6%。HPAN模型的推荐效果优于对比模型，可解决实际的个性化课程推荐。

来源：2023年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第8期