GỢI Ý KHÓA HỌC BẰNG MÔ HÌNH GNN

Abstract

Việc lựa chọn các nội dung học phù hợp với năng lực học tập và sự yêu thích của bản thân là yếu tố đầu tiên và quan trọng nhất để có thể đạt được một kết quả học tập tốt. Dựa trên sự tương đồng giữa dữ liệu xếp hạng các khóa học trực tuyến và dữ liệu điểm số của sinh viên theo định dạng của phương pháp Lọc cộng tác (user, item, rating), cùng với sự phát triển của Graph Neural Network (GNN) trong việc phát triển các hệ thống gợi ý, luận văn xây dựng một mô hình Lọc cộng tác (Collaborative filtering - CF) dựa trên kiến trúc GNN để gợi ý các khóa học phù hợp đến người học. Luận văn đã thực nghiệm so sánh hai mô hình CF dựa trên GNN là NGCF và LightGCN với một số mô hình CF truyền thống như RMF, LightFM, NCF. Kết quả thực nghiệm trên hai tập dữ liệu bao gồm một tập dữ liệu đánh giá các khóa học trên Coursera và một tập dữ liệu thực tế được thu thập từ một trường đại học, mô hình LightGCN cho kết quả tốt hơn so với các mô hình còn lại. Các mô hình được đánh giá dựa trên chỉ số precision và recall.