用户行为与特征信息融合的在线课程推荐系统

本文针对传统在线教育推荐系统无法准确捕捉并适应用户兴趣变化的问题,提出了一种新的课程推荐算法。该算法结合Canopy聚类和K-means聚类技术,通过层次化聚类方法先粗后细地筛选出具有相似兴趣的用户群体。实验结果显示,此算法能显著提高推荐的准确性和个性化水平,尤其是在新用户加入时,依然能够根据统计特征提供精准推荐,有效提升了用户满意度和系统整体性能。