动态知识图谱与强化学习下职教资源个性化推荐算法OA
针对在职教资源个性化推荐算法采用的混沌映射构建推荐学习模型易受维度灾难影响,导致NDCG(Normalized Discounted Cumulative Gain)归一化折损增益不理想的问题,对基于动态知识图谱与强化学习的职教资源个性化推荐算法进行优化设计。构建多源异构数据的职教资源动态知识图谱表征,引入时序感知的嵌入表征向量得到动态嵌入函数;通过图注意力网络聚合实体的邻域信息,更新节点表征,从而高度集成动态知识图谱的结构信息;采用Actor-Critic架构将目标函数作为最大化累计期望回报,引入熵正则化,在满足推荐需求平衡的基础上得到复合奖励式;引入代价敏感的搜索算法与强化学习策略相结合,生成启发式评估函数,通过重采样机制在动态知识图谱中寻找有效资源进行路径插入,规划自适应推荐路径,完成职教资源个性化推荐。实验结果表明,研究算法在不同类型资源下的推荐NDCG归一化折损增益始终高于0.8,在排序时更能考虑物品的相关性和位置因素,将用户更可能感兴趣的物品排在更靠前的位置,推荐质量良好,未受浏览筛选迟滞作用影响出现需求不匹配问题,具有推荐显著一致性。
朱彦;王海林
云南机电职业技术学院继续教育部,昆明650203昆明理工大学信息工程与自动化学院,昆明650504
信息技术与安全科学
动态知识图谱强化学习职教资源资源推荐推荐算法
《吉林大学学报(信息科学版)》 2026 (4)
P.963-971,9
教育部产学合作协同育人基金资助项目(240703817125047)。
评论