基于改进自编码器的在线课程推荐模型

• 作者: 宋晓丽 贺龙威
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 数据挖掘 自编码器 个性化推荐
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 软件技术 · 算法|Software Technique · Algorithm
• 页码范围: 288-293
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008356

摘要

随着互联网技术的发展以及2020年新冠疫情的爆发, 越来越多的学生选择在线教育. 然而在线课程数量庞大, 往往无法及时找到合适的课程, 个性化智能推荐系统是解决这一问题的有效方案. 本文根据用户在线学习具有明显时序性的特点, 提出一种基于改进自编码器的在线课程推荐模型. 首先, 利用长短期记忆网络改进自编码器, 使得模型可以提取数据的时序性特征; 然后, 利用Softmax函数进行课程的推荐. 实验结果表明, 所提方法与协同过滤算法和基于传统自编码器的推荐模型相比, 具有更高的推荐准确率.