基于内容过滤PageRank的Top-k学习资源匹配推荐

• 作者: 李春青 李海生 梁婷婷
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 内容过滤 PageRank算法 Top-k排序 马尔可夫收敛矩阵 资源匹配
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 220-226
• 页数: 7页
• 分类号: TP311
• 字数: 6104字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.02.037

摘要

针对在线教育支持技术中关于文本处理的多义词和同义词问题,提出基于内容过滤PageRank语义相似替换的Top-k学习资源推荐算法.基于内容的向量空间滤波建立学习资源过滤推荐模型,该模型采用资源间匹配方式以取代语义相似性,从而避免多义词或同义词的漏检问题.基于谷歌PageRank算法结合前述资源间匹配模型构建考虑资源间关系连接的权重矩阵,取代传统PageRank算法网页间的超链接方式,进行资源类型划分,得到特征的马尔可夫收敛矩阵,并利用Top-k算法实现推荐结果细化.实验结果表明,在公共学习资源数据集中,所提算法对计算时间的覆盖率是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海生	广西民族师范学院数学与计算机科学系	27	67	5.0	7.0
2	李春青	广西民族师范学院数学与计算机科学系	28	89	6.0	8.0
3	梁婷婷	广西师范大学计算机科学与信息工程学院	4	17	2.0	4.0