期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于改进型协同过滤的网络学习资源推荐算法 被引量:19
1
作者 王根生 袁红林 +1 位作者 黄学坚 闵潞 《小型微型计算机系统》 CSCD 北大核心 2021年第5期940-945,共6页
面对网络学习资源的信息过载问题,如何根据用户的偏好推荐其感兴趣的学习资源是网络教育智能化的关键应用.协同过滤推荐算法无需构建资源的特征描述,经常应用于形式多样的网络学习资源推荐,但传统协同过滤推荐算法具有评分矩阵稀疏和冷... 面对网络学习资源的信息过载问题,如何根据用户的偏好推荐其感兴趣的学习资源是网络教育智能化的关键应用.协同过滤推荐算法无需构建资源的特征描述,经常应用于形式多样的网络学习资源推荐,但传统协同过滤推荐算法具有评分矩阵稀疏和冷启动问题.针对这两个问题,提出基于改进型协同过滤的网络学习资源个性化推荐算法.该算法首先将用户对资源的学习行为转化成用户对资源的评分,缓解评分阵稀疏问题;其次引入用户初始化标签改进用户的相似度计算,解决新用户的冷启动问题;最后采用均方根误差(RMSE)进行推荐算法预测准确度衡量.实验结果表明,该改进算法提升了个性化资源推荐效果. 展开更多
关键词 协同过滤 个性化推荐 网络学习资源 学习行为 用户初始化标签
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部