基于BiLSTM-MA-FSBD的信息安全课程知识推荐方法
徐晓峰
赵薇
包象琳
刘涛
严楠
安徽工程大学 计算机与信息学院,安徽 芜湖 241000
摘要：针对信息安全课程知识推荐存在的多源行为融合不足、偏好适配针对性弱等问题,提出基于双向长短期记忆-多头注意力-学生多源行为数据融合(bidirectional long short-term memory-multi-head attention-fusion of student multi-source behavior data,BiLSTM-MA-FSBD)的知识推荐方法.首先,整合学生多源行为数据,提取核心行为特征,构建涵盖动态时序与静态关联的融合特征体系;然后,设计BiLSTM网络对行为序列依赖关系进行编码,利用MA机制自适应分配行为权重,实现学习偏好的精准推断;最后,构建 3 层级信息安全知识图谱,量化知识点依赖关系,结合偏好匹配度进行个性化推荐.结果表明,BiLSTM-MA-FSBD方法的推荐精确率比协同过滤(collaborative filtering,CF)方法提高了 26.2 个百分点.该方法可以有效适配信息安全课程的教学特性与学生个性化学习需求,为解决课程知识的精准推荐问题提供了切实可行的技术方案.
关键词：推荐方法多源数据BiLSTMMA知识图谱信息安全
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(62406004)安徽省高等学校省级质量工程项目(2024aijy206)安徽省高等学校省级质量工程项目(2023jyxm0451)安徽省高校中青年教师培养行动项目(YQZD2025046)安徽工程大学校级本科教学质量提升计划项目(2025jyxm41)安徽工程大学校级本科教学质量提升计划项目(2025aijy06)安徽工程大学校级本科教学质量提升计划项目(2024hhkc07)安徽工程大学校级本科教学质量提升计划项目(2024jyxm03)安徽工程大学校级本科教学质量提升计划项目(2024jyxm98)安徽工程大学校级本科教学质量提升计划项目(2023hhkk14)
论文发表日期：2026-03-20
在线出版日期：2026-03-26（本平台首次上网日期，不代表文献的发表时间）
页数：6( 137-142 )
英文信息