一种知识图谱增强的在线课程推荐方法

在课程推荐领域,通常会遇到数据稀疏性和冷启动问题,导致推荐效果不理想。为此,基于端到端深度学习框架,提出一种融合课程知识图谱的深度卷积神经网络(KGCN-CR)。通过聚集课程实体邻域信息增强自身实体表示,获取学生个性化潜在兴趣。以慕课(MOOC)平台为例,通过爬取计算机类和艺术类学生的课程交互数据和课程属性,构建课程知识图谱作为辅助信息增强课程推荐的性能,分别使用18135条交互数据以及44600条课程属性进行试验。结果表明,KGCN-CR的ACC以及AUC分别达到了82.3%和78.2%,比SVD提升15%,精确率、召回率以及F1值也最优。因此,知识图谱作为辅助信息能有效提升课程推荐的性能,能较好解决数据稀疏性以及冷启动问题,并具有较好的推荐可解释性。

高效液相色谱法检测转化液中β-丙氨酸含量

建立了生物酶转化液中β-丙氨酸的高效液相色谱检测方法。优选氨基键合硅胶柱;流动相采用0.05 mol/L磷酸二氢钾∶乙腈(35:65),流速1.0 ml/min,波长205 nm,柱温30℃,配合对照溶液,实现转化液中β-丙氨酸含量的标定。检测表明:线性回归相关度0.999 6,回收率大于99.49%,实验重复性RSD为0.15%(n=6),实验稳定性RSD为1.55%(n=4)。方法简单易行,分离效果好,解决了传统方法在转化液成分复杂时测量结果偏差较大的瓶颈。