Aspect-Aware MOOC Recommendation in a Heterogeneous Network

Created by

Haebom

저자

Seongyeub Chu, Jongwoo Kim, Mun Yong Yi

💡 개요

본 논문은 MOOC 추천 시스템에서 데이터 희소성과 과도한 전문화 문제를 해결하기 위해 새로운 프레임워크인 AMR(Aspect-aware MOOC Recommendation)을 제안한다. AMR은 노드의 의미론적 내용을 각 메타경로 내에 임베딩하여 경로별 다중 측면을 모델링하며, 양방향 탐색을 통해 메타경로를 자동으로 발견하고 Bi-LSTM 기반 인코더로 이를 추출한다. 이를 통해 학습자-학습자 및 KC-KC 서브그래프에 세밀한 의미 정보가 풍부한 KC 추천을 위한 엣지 특징으로 활용한다.

🔑 시사점 및 한계

•

기존 메타경로 기반 그래프 추천 방식의 한계인 수동 메타경로 정의의 번거로움과 피상적인 관계 포착 문제를 극복한다.

•

노드의 의미론적 정보와 그래프 구조 정보를 결합하여 경로별 특성을 고려한 보다 정교하고 개인화된 MOOC 추천이 가능하다.

•

AMR은 대규모 데이터셋 실험에서 최신 그래프 신경망 기반 모델보다 우수한 성능을 보여, 실제 MOOC 추천 시스템에 적용 가능성을 제시한다.

•

아직 공개되지 않은 코드와 함께, 제안된 메타경로 자동 발견 메커니즘의 일반적인 효과성과 다른 도메인에서의 적용 가능성에 대한 추가적인 검증이 필요하다.

PDF 보기

Made with Slashpage