学习资源精准推荐模型及应用研究

摘要：

根据属性特征推荐资源,由于存在冷启动和稀疏性问题,限制了在线学习资源推荐的性能.基于知识表示和协同过滤,将学习者的学习水平和学习风格等特征融入推荐过程,进行协同过滤个性化推荐,提出了一种学习资源精准推荐模型,构建了学习者和学习资源知识表示模型;通过实验表明知识表示-协同过滤相结合的推荐算法在个性化推荐和推荐准确度方面优于传统的CF算法.

关键词：知识表示、学习资源推荐、协同过滤、在线学习

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：横向研究项目5201119160004;河南师范大学研究生科研创新项目YL201623

在线出版日期：2019-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：26-32