基于图卷积神经网络的课程推荐算法研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：传统的矩阵分解算法只能简单提取低阶信息，而且特征组合单一，无法挖掘更多隐含信息。为了解决 MOOC 平台课程推荐系统数据稀疏性的问题，提出一种基于显隐式反馈相结合的扩展矩阵分解方法，同时为了避免冷启动等问题，采用图卷积神经网络捕获课程异构信息网络中的上下文信息，可以很大程度避免了冷启动问题，提升课程推荐的质量。（剩余5326字）

试读结束

目录
monitor
客服机器人