论文部分内容阅读
针对现有慕课(MOOC)平台学生完成率低的问题,提出一种结合知识图谱和图卷积神经网络的成绩预测模型。使用决策树数据挖掘的方法构建用户知识图谱,进而将学生成绩预测问题考虑为图上节点分类问题。所提出方法优化了图的卷积,提取了用户信息和知识图谱的高维信息。实验结果表明所提的图卷积神经网络在预测精度上优于传统机器学习算法,并在同类型算法中有较低的时间复杂度。该模型有利于平台管理者及时了解学生情况,提高教学质量。