计算机研究与发展

作者：吴水秀,罗贤增,钟茂生,吴如萍,罗玮,

关键词：MOOC推荐, BERT, 多头注意力机制, 字幕信息, 长短期记忆,

学习者在面对浩如烟海的在线学习课程资源时往往存在“信息过载”和“信息迷航”等问题，基于学习者的学习记录，向学习者推荐与其知识偏好和学习需求相符的MOOC资源变得愈加重要.针对现有MOOC推荐方法没有充分利用MOOC视频中所蕴含的隐式信息，容易形成“蚕茧效应”以及难以捕获学习者动态变化的学习需求和兴趣等问题，提出了一种融合视频字幕信息的动态MOOC推荐模型MOOCDR-VSI，模型以BERT为编码器，通过融入多头注意力机制深度挖掘MOOC视频字幕文本的语义信息，采用基于LSTM架构的网络动态捕捉学习者随着学习不断变化的知识偏好状态，引入注意力机制挖掘MOOC视频之间的个性信息和共性信息，最后结合学习者的知识偏好状态推荐出召回概率TopN的MOOC视频.实验在真实学习场景下收集的数据集MOOCCube分析了MOOCDR-VSI的性能，结果表明，提出的模型在HR@5，HR@10，NDCG@5，NDCG@10，NDCG@20评价指标上比目前最优方法分别提高了2.35%，2.79%，0.69%，2.2%，3.32%.

来源：2024年第2期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2024年第2期