基于GRU和课程关联关系的推荐模型

• 作者: 卜祥鹏
• 来源期刊: 软件
• 学科: 工学
• 关键词: 课程推荐 门控循环单元(GRU) 课程关联关系 MOOC
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 137-142
• 页数: 6页
• 分类号: TP183
• 字数: 5255字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2020.06.029

摘要

如今以MOOC平台为主的在线学习网站课程资源丰富,数据量庞大,存在明显的信息过载问题.用户如何在海量数据中快速找到合适的课程是一个难题,而个性化的课程推荐是解决这一问题的有效方式.考虑到用户学习的课程存在先后顺序,具有明显的时序性,所有我们使用门控循环单元(GRU)从用户学习的课程序列中挖掘其存在的规律和特点.另外,为使推荐的结果更加准确,我们考虑结合课程之间的关联关系,提出了基于GRU与课程关联关系的推荐模型.最后,我们在真实的MOOC数据集上进行大量实验,实验结果表明,与传统的协同过滤算法以及仅考虑课程关联关系的算法相比,我们提出的算法性能更好,推荐的准确度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卜祥鹏	山东科技大学计算机科学与工程学院	1	0	0.0	0.0