基于图神经网络和多主体评价的教学资源推荐

来源：计算机工程杂志2024年第7期北京时间：

作者：何杏宇, 周易歆, 罗东旭, 杨桂松

单位：1. 上海理工大学光电信息与计算机工程学院, 上海 2000932. 上海理工大学出版印刷与艺术设计学院, 上海 200093

摘要：在现有的教学资源推荐系统中算法和模型不断进步, 但推荐策略仍然停留在学生偏好分析或内容相关性计算两方面, 忽略了教学资源推荐中授课教师对教学目标的掌控以及企业导师的实践价值引导作用。为此, 提出一种基于图神经网络和多主体评价的教学资源推荐方法, 综合考虑学生、教师和企业导师3个主体的评价, 并解决多主体评价导致的小样本问题。首先, 构建包含教学资源和知识点的异质图, 通过异质图嵌入分别获取教学资源和知识点的特征向量表征, 计算教学资源与知识点的相关性; 然后, 设计多主体评价机制, 分别制定针对学生、教师和企业导师3个不同主体的细粒度评价指标, 利用基于图神经网络的小样本学习(GNN-FSL)模型获取不同主体对教学资源的评分向量估计; 最后, 利用注意力机制来综合不同主体的评分向量估计以及教学资源与知识点的相关性对推荐结果的影响。实验结果表明, 该方法在小样本训练中具有较好的评分向量估计准确度优势, 并且融合多个主体评价和增加细粒度多主体评价指标的两大措施均对提升推荐准确度和学习成绩具有显著作用。

关键词：教学资源推荐,图神经网络,评价,多主体,小样本

基金资助：国家自然科学基金(61802257); 上海理工大学2023年度教师发展研究重点项目(CFTD2023ZD10)