基于协同标注的个性化电子学习推荐系统

分析各种基于标注的推荐技术的适用性,通过张量因子分解技术对最佳模型排序方法进行改进;比较基于标注的协同过滤(CF)、基于图的方法(自适应Page-Rank和Folk-Rank算法)以及基于张量的方法(HOSVD和RTF)的预测性能,优选出最佳的推荐方案。通过在一个开发的编程辅导系统中的应用,验证了所提推荐系统的有效性。