基于图神经网络的数字素养影响因素挖掘模型研究
韩 弢,卫 敏
【摘要】在处理复杂、高维且存在强关联性的数字素养影响因素数据时,传统研究方法往往面临捕捉非线性关系与隐性关联的局限。 为克服这些不足,本研究创新性地提出了一种基于图神经网络(GNN)的数字素养影响因素挖掘模型。 该模型通过构建异质信息图(h,HIG)深度挖掘节点、边、属性的嵌入表示。 研究结果表明,该模型预测性能与可解释性均优于主流GNN模型,可有效捕捉影响因素之间复杂、非线性的交互作用。
【关键字】图神网络(GNN);数字素养;异质信息图;影响因素挖掘
【PDF】