基于超图增强的个性化在线课程推荐模型

来源：计算机工程与应用杂志2026年第2期北京时间：

作者：韩笑奇, 易军, 周伟, 肖山, 刘明

单位：1.重庆科技大学 计算机科学与工程学院（人工智能学院），重庆 401331；2.重庆电子科技职业大学 大数据与最优化研究所，重庆 401331；

摘要：在线课程资源爆炸式的增长容易引起“信息迷航”和“信息过载”等问题，基于学习者的行为记录向学习者精准推荐符合其偏好的课程资源显得愈加重要。然而，在进行学习者需求感知时，现有方法缺乏有效手段应对学习者行为序列中课程的数量远少于在线课程总量所产生的数据稀疏问题。针对上述问题，提出一种基于超图增强的个性化在线课程推荐模型（personalized online course recommendation model based on hypergraph enhancement，BHE-PCRM）。该模型设计了一种超图增强方法构建出高质量的课程超图结构，并联合超图消息传递范式以捕获课程之间的高阶隐式全局协作信号；利用深度多头自注意力模块来感知学习者课程行为序列的上下文信息。在两个公开数据集上的实验结果表明，所提方法能够有效地感知学习者需求并提供个性化课程推荐，在多种评估指标上优于主流推荐方法，从而验证了提出方法的有效性和泛化能力。

关键词：超图增强,超图消息传递范式,深度多头自注意力机制

基金资助：国家自然科学基金（61977054）；重庆市自然科学基金创新发展联合基金（CSTB2023NSCQ-LZX0094）；重庆市研究生教育教学改革研究重点项目（YJG232045）；重庆市高等教育教学改革研究重点项目（232130）；重庆科技大学研究生教育教学改革研究项目（YJG2023y002，YJG2024y016）；重庆科技大学本科教育教学改革研究项目（202309）。