基于知识图谱的个性化习题推荐算法研究

曾 明星, 杨 玲玲, 李 忠娟
广东工业大学自动化学院

摘要


随着智能设备的普及，在线学习逐渐成为线下学习的有益补充。针对《电力电子技术》课程内容多，难度大的问题，设计基于知识图谱的个性化习题推荐系统。系统采用分层架构，结合Neo4j存储知识图谱数据，集成DeepSeek大模型支持知识抽取、智能问答及习题推荐功能。系统对课程内容进行结构化表达和可视化呈现，通过个性化习题推荐算法优化学习体验，提升学习效率。

关键词


知识图谱；电力电子技术；个性化推荐；DeepSeek大模型

全文:

PDF


参考


[1]邢峻也，邢星，贾志淳，等.融合知识图谱与注意力机制的项目推荐算法[J].计算机工程与应用，2024,60(10):173-179.

[2]薛雅倩,松云.人工智能课程知识图谱构建及个性化推荐探索[J].计算机教育,2024,(06):151-155.

[3]陈强,贺丹,邓美玲.基于个性化推荐的高校教学模式探索——以Python程序设计通识课为例[J].电脑知识与技术,2024,20(12):131-133.

[4]方贝,何文博.应用知识图谱的高等数学教学资源个性化推荐研究[J].信息与电脑(理论版),2023,35(22):220-222.

[5]王志刚,吴士泓,李孟全,等.基于知识图谱的项目文档智能管理与应用系统[J].现代计算机,2023,29(03):111-120.

[6] LIU Y,HUA W,XIN K, et al.TEA: Timeaware Entity Alignment in Knowledge Graphs[C].Proceedings of the ACM Web Conference 2023.New York, NY,USA:ACM,2023:2591-2599.


Refbacks

  • 当前没有refback。