.png){kind=icon}
返回
Personalized Learning Resource Recommendation Framework Based on Knowledge Graph and Large Language Model
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3001-4_17.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在数字教育领域，教育推荐系统（ERSs）在提升学习效果方面发挥着关键作用。然而，现有系统面临显著挑战，包括数据稀疏、冷启动问题、动态适应性有限、个性化不足和可解释性差。为解决这些问题，我们提出了一种创新的个性化推荐框架，该框架整合了知识图谱（KGs）和大型语言模型（LLMs）。通过利用LLMs丰富知识图谱——例如通过自动生成资源标签、难度级别和概述——我们的框架有效解决了数据稀疏和冷启动问题。它根据学生知识状态的实时变化动态更新知识图谱和推荐策略，同时允许学习者通过开放学习者模型（OLMs）调整其知识档案。我们的推荐模块将知识图谱与先进算法相结合，计算学生与教育资源之间的相似度，从而实现个性化排序。为增强推荐的可解释性，我们的系统提取相关子图，并通过自然语言生成技术阐述推荐理由。实证证据表明，该框架不仅显著提升了推荐的质量和效果，还有助于促进个性化教育并提升教育系统的智能化水平。
Keyword:
Education Recommendation System
Knowledge Graph
Large Language Model
Open Learner Models
Bayesian Knowledge Tracing
期刊
K
IF:
0
论文数:
25
被引数:
0
机构
引用论文
ONCE: Boosting Content-based Recommendation with Both Open- and Closed-source Large Language Models一次: 使用开源和闭源大型语言模型提升基于内容的推荐
OAAI
.png){kind=icon}
OAAI分享收藏
查看更多内容