迁移评分模式的跨域学习资源推荐算法

传统单领域推荐算法存在数据稀疏和冷启动问题,且由于单领域推荐算法是在同一领域基于群体分类进行推荐,因此无法实现真正的个性化精准推荐。在网络环境下,学习资源呈现多种形态,而学习者在每一领域的评分数据更加稀疏。鉴于此,提出迁移评分模式的跨域学习资源推荐算法。该方法首先基于码本聚类思想从学习者的辅助领域评分数据中获取学习者的评分模式和商品的被评分模式;然后将其迁移到目标领域,以填补学习者在目标领域评分数据的不足,最后基于因子分解机将目标领域学习者、学习资源、评分模式和被评分模式进行集成,实现对学习者的个性化学习资源精准推荐。实证结果表明,该方法能够较好解决单领域学习资源推荐中存在的数据稀疏和冷启动问题,提高个性化学习资源推荐准确率。