基于Hadoop-Mahout的分布式课程推荐算法

• 作者: 刘青昆 徐文健 李永波 郑晓薇
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: MOOC IRS课程评价 推荐算法 Mahout Hadoop
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 算法
• 页码范围: 236-240
• 页数: 5页
• 分类号: TP302
• 字数: 4959字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.03.045

摘要

针对MOOC(Massive Open Online Course)平台上同类及相似课程繁杂,在线学习者不易找到适合自己的课程,而导致学习效率降低,学习效果较差等问题,提出一种IRS课程评价方法,对在线课程进行相关的评价.结合用户偏好及IRS方法改进了机器学习框架Apache-Mahout的协同过滤推荐算法,对在线学习者进行个性化课程推荐.面对MOOC平台上大量的课程信息及学习者信息,基于Hadoop分布式云计算平台,设计了在线课程推荐并行算法.实验结果表明,提出的IRS推荐算法有效且适用于分布式云计算环境,同时验证了该算法在分布式环境下并行计算的高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑晓薇	辽宁师范大学计算机与信息技术学院	74	499	11.0	18.0
2	刘青昆	辽宁师范大学计算机与信息技术学院	51	297	9.0	15.0
3	徐文健	辽宁师范大学计算机与信息技术学院	1	6	1.0	1.0
4	李永波		1	6	1.0	1.0