摘要
当前，传统协同过滤的试题推荐仅考虑了用户的做题数据，忽略了试题背后的知识点信息。为此，提出一种基于知识图谱与协同过滤的个性化试题推荐算法（KGeP-CF）。首先，构建知识图谱存储知识点关系。然后，使用TransE模型学习知识点实体的向量表示，使用余弦相似度计算知识点相似度，提取知识点间的相关性，并将其应用于计算试题相似度得到综合试题相似度。最后，结合用户知识点掌握情况推荐用户个性化试题。实验表明，该方法在课程试题推荐上表现出良好的推荐性能，相较于多种推荐算法，KGeP-CF算法推荐性能更优，对其他应用场景也具有一定的参考价值。
0 引言
随着社会信息化深入发展，教育模式、教育理念等受其影响发生了明显转变，促进了互联网教育行业迅速发展。于此同时，开发各类学习软件有力补充了传统教育模式的不足，为学习者带来了极大便利。尤其在2019年末新冠肺炎疫情发生后，在线学习得到广泛普及。截至2022年