基于圖卷積神經(jīng)網(wǎng)絡(luò)的課程推薦算法研究

打開文本圖片集

摘要：傳統(tǒng)的矩陣分解算法只能簡單提取低階信息，而且特征組合單一，無法挖掘更多隱含信息。為了解決 MOOC 平臺課程推薦系統(tǒng)數(shù)據(jù)稀疏性的問題，提出一種基于顯隱式反饋相結(jié)合的擴(kuò)展矩陣分解方法，同時為了避免冷啟動等問題，采用圖卷積神經(jīng)網(wǎng)絡(luò)捕獲課程異構(gòu)信息網(wǎng)絡(luò)中的上下文信息，可以很大程度避免了冷啟動問題，提升課程推薦的質(zhì)量。（剩余5326字）