基于改进神经协同过滤模型的高校选课推荐研究

• 作者: 花馨 楚振艳 项阳 赵为灿 孙雪莲 大连民族大学
• 来源期刊: 科技与创新
• 关键词: 课程推荐 神经协同过滤 广义矩阵分解 多层感知机
• 年，卷（期）: 2024,（20）
• 所属期刊栏目: 前沿·视点
• 页码范围: 38-40
• 页数: 3页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2023.20.008

摘要

目前高校线上选课大多不具有个性化推荐功能，导致学生学习效率低下，间接造成教学资源浪费。针对以上问题，基于某高校学生实际选课数据，提出一种改进后的神经协同过滤模型。首先，由于神经协同过滤模型是基于协同过滤思想进行构造，并未引入其他更多特征，所以通过融合上下文信息的方式，提升推荐准确度；其次，广义矩阵分解模型作为浅层模型，表达能力较差，所以通过将广义矩阵分解模型与多层感知机进行串联，赋予模型更深层的网络，增强模型的表达能力；最后，在某高校选课数据集上进行对比实验，验证了模型的可行性和有效性。