协作学习中基于协同过滤的学习资源推荐研究

• 作者: 何聚厚 叶树鑫
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 协同过滤算法 学习资源推荐 协作学习
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 63-66,70
• 页数: 5页
• 分类号: TP391
• 字数: 3754字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.10.015

摘要

符合学习者特征的学习资源对于提高协作学习效率具有重要的影响。但是传统的学习资源推荐，没有充分考虑学习者、学习资源的特征和高效的推荐算法。针对上述问题，提出了基于协同过滤的学习资源推荐算法，根据学习者学习特征、学习资源特征和学习者对学习资源历史评价信息，采用协同过滤推荐算法，实现学习资源推荐。首先，通过学习者特征和学习资源的评分，寻找相似学习者并计算学习资源预测评分，然后根据该评分值和学习资源与学习者匹配度推荐学习资源，从而为学习者推荐符合自己兴趣爱好最合适的学习资源。实验结果表明该算法在个性化学习资源推荐的准确性上优于传统算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何聚厚	陕西师范大学计算机科学学院	59	259	9.0	13.0
5	叶树鑫	陕西师范大学计算机科学学院	1	15	1.0	1.0