基于云计算和IRS的在线课程推荐算法研究

为了提高MOOC在线课程的推荐效果和推荐效率,结合学习用户的偏好和IRS课程评价方法,提出一种基于云计算和IRS的在线课程推荐算法。将学习交互度I、评价率R和评分S和用户偏好结合,提出一种更加适合学习者用户的个性化推荐算法。研究结果表明,文中IRS推荐算法具有更高的命中率和评分差,其推荐的课程令学习者更加满意,更加适合学习者的个性化需求,可以提高推荐效率和运行速度,为在线课程推荐提供新的方法和途径。

基于Hadoop-Mahout的分布式课程推荐算法

针对MOOC(Massive Open Online Course)平台上同类及相似课程繁杂,在线学习者不易找到适合自己的课程,而导致学习效率降低,学习效果较差等问题,提出一种IRS课程评价方法,对在线课程进行相关的评价。结合用户偏好及IRS方法改进了机器学习框架Apache-Mahout的协同过滤推荐算法,对在线学习者进行个性化课程推荐。面对MOOC平台上大量的课程信息及学习者信息,基于Hadoop分布式云计算平台,设计了在线课程推荐并行算法。实验结果表明,提出的IRS推荐算法有效且适用于分布式云计算环境,同时验证了该算法在分布式环境下并行计算的高效性。