.png){kind=icon}
返回
KnowPath: An LLM-Supported Knowledge Graph Construction and Path Finding Framework to Explainable MOOC Recommendations
.png){kind=icon}
PRE
AI
DOI：10.1145/3779436.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模开放在线课程（MOOCs）的普及为高级课程推荐系统（RS）创造了迫切需求。MOOCs中的课程推荐需要透明的动机来证明课程选择，因为通常存在许多同名但内容、时长、提供的学习资源以及授课教师学术权威差异显著的课程。可解释的推荐对于确保推荐课程与学习者需求高度契合并提高成功完成课程的机会至关重要，但遗憾的是，现有的MOOCs推荐系统在提供可解释推荐方面存在困难。本文提出KnowPath，一种新颖的MOOCs推荐系统，能够生成有效且可解释的推荐。KnowPath利用开源大型语言模型（LLMs）构建知识图谱（KGs），能够准确捕捉MOOC实体（如学习者、教师、教育资源）之间的复杂关系，并采用强化学习使LLM的输出与学习者偏好保持一致。在两个公开数据集（XueTang和COCO）上的广泛实验证明了KnowPath的卓越性能和泛化能力，凸显其在个性化在线教育领域的革命性潜力。
Keyword:
Knowledge Graph
LLM
MOOC Recommendations
期刊
IF:
9.1
论文数:
1.2K
被引数:
4.7K
机构
引用论文
A learning path recommendation model based on a multidimensional knowledge graph framework for e-learning基于多维知识图谱框架的e-learning学习路径推荐模型
PREAI
分享收藏
Recommendation of Learning Resources for MOOCs Based on Historical Sequential Behaviours.png)
EXPERT SYSTEMS
EXPERT SYSTEMSIF2.3
PREAI
分享收藏Interpretable MOOC recommendation: a multi-attention network for personalized learning behavior analysisINTERNET RESEARCH
INTERNET RESEARCHIF6.8
PREAI
分享收藏
查看更多内容