基于隐式评分和相似度传递的学习资源推荐

• 作者: 付芬 李耀辉 豆育升 韩鹏
• 来源期刊: 计算机应用研究
• 关键词: 协同过滤 学习行为 数据稀疏 隐式评分 相似度传递
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 系统应用开发
• 页码范围: 3725-3729
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.12.047

摘要

协同过滤推荐算法存在数据稀疏的问题,这使得学习平台中由于用户学习行为记录的稀疏而无法满足用户的学习需求.为此,提出了一种基于隐式评分和相似度传递的学习资源推荐算法.首先,收集用户的学习行为;其次,改进传统的相似度计算方法,并在此基础上引入相似度传递策略;最后,应用并实现E-learning平台中学习资源的推荐.实验表明,该算法能够在一定程度上解决相似度计算不准确以及数据稀疏问题,从而提高学习资源的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	豆育升	重庆邮电大学计算机科学与技术学院	24	125	6.0	10.0
2	韩鹏	重庆邮电大学计算机科学与技术学院	14	89	5.0	9.0
6	付芬	重庆邮电大学计算机科学与技术学院	2	24	2.0	2.0
7	李耀辉	重庆邮电大学计算机科学与技术学院	1	19	1.0	1.0