计算机应用

作者：陈曦, 梅广, 张金金, 许维胜

单位：1.同济大学 电子与信息工程学院，上海 201804；2.同济大学 教育技术与计算中心，上海 200092；3.同济大学 信息化办公室，上海 200092

关键词：协同过滤,知识图谱,成绩预测,教育数据挖掘,智慧校园

基金：国家自然科学基金资助项目(71540022)

针对高等教育本科教学场景中的学生成绩预测问题，提出了一种基于课程知识图谱（KG）的预测算法。首先，构造一个表示课程信息的课程知识图谱。然后，分别使用基于邻节点的方法和基于知识图谱表示学习的方法基于知识图谱计算课程在知识层面的相似度，并将课程的知识相似度集成到传统的成绩预测框架协同过滤（CF）中。最后，通过实验对比了融合知识图谱的算法和常见成绩预测算法在不同数据稀疏度场景下的性能。实验结果显示，在数据稀疏场景下，基于邻节点的算法和传统协同过滤算法相比，均方根误差（RMSE）下降约11%，平均绝对误差（MAE）下降约9%；基于图谱表示学习的算法与协同过滤算法相比RMSE下降17.55%，MAE下降11.40%。实验结果表明，运用知识图谱的协同过滤算法可使预测误差显著下降，验证了知识图谱可以作为历史数据缺乏场景下的信息补足，从而帮助协同过滤获得更好的预测效果。

来源：2020年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第2期