基于加权贝叶斯的小学英语个性化资源推荐

在小型的自适应学习系统中,学习资源的个性化推荐是实现自适应学习的关键内容之一。为了更好地进行个性化资源推荐,本文采用朴素贝叶斯分类算法构建了个性化资源推荐模型,并针对算法中条件独立性假设与模型实际应用相悖的问题,对原算法进行加权改进。通过在UCI标准数据集对该加权算法进行理论验证,并将其应用于小学英语自适应学习系统的个性化资源推荐模型中进行系统实验。实验结果表明:提出的加权算法在分类精准度上准确率有所提高,基于该加权算法的模型在个性化资源推荐满意度上也有所提升。因此,我们认为在小学英语自适应学习系统中,基于加权朴素贝叶斯分类算法的个性化资源推荐模型能够更好地解决小样本条件下以学习者为中心的个性化学习资源推荐的问题。