基于协同过滤算法的学习资源推荐模型研究

• 作者: 覃忠台 张明军
• 来源期刊: 计算机技术与发展
• 关键词: 协同过滤 学习资源 推荐模型 在线学习 行为信息
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 大数据分析与挖掘
• 页码范围: 31-35
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.09.006

摘要

传统的推荐算法由于存在数据稀疏性和冷启动问题,导致在线学习平台在资源推荐上不能满足学习用户的个性化需求.为此,构建一个基于协同过滤算法的学习资源推荐模型,在推荐过程中融入学习用户的属性特征信息,进行学习资源个性化推荐.首先,在给出学习资源推荐模型的基础上分别构建了学习用户模型和资源模型;其次,在构建学习用户-学习资源评分矩阵的基础上采用基于修正的余弦相似度的改进算法结合学习用户的行为信息进行相似度计算和预测评分;最后,将学习用户模型和学习资源模型的特征信息融入推荐过程并实现学习资源的个性化推荐.通过对模型测试和实验的MAE值比对分析,基于协同过滤算法的学习资源推荐模型在推荐精度和个性化方面均优于传统的推荐算法模型.