一种基于迁移学习的学习资源推荐方法

• 作者: 唐路平 肖迎元 许庆贤
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 泛在学习 迁移学习 学习资源 推荐系统
• 年，卷（期）: 2019,（3）
• 页码范围: 10-16
• 页数: 7页
• 分类号: TP399
• 字数: 4819字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2019.03.002

摘要

移动互联网技术的飞速发展和智能终端设备的广泛普及为支持泛在学习(U-Learning)提供了可能.泛在学习是一种随时随地都能发生的在线学习.当前,互联网涌现了一大批可供学习的平台和资源,类似平台包括网易云课堂、Coursera、知乎网、简书网等.手动检索和个性化推荐是在线学习系统提供给用户获取学习资源的常用方式.个性化推荐因其能主动建模学习者偏好,为学习者提供个性化的学习资源推荐服务而受到了广泛关注并成为在线学习领域的研究热点.本文在传统协同过滤个性化推荐系统的基础上提出一种基于迁移学习的学习资源的推荐方法,该方法从已有的数据中学习知识,然后迁移到目标任务中,解决了目标任务中数据过少从而导致学习特征的能力不足的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖迎元	天津理工大学计算机科学与工程学院	37	223	8.0	13.0
2	唐路平	天津理工大学计算机科学与工程学院	1	2	1.0	1.0