基于机器学习的线上实验课程资源挖掘

摘要：

为实现线上实验课程资源的个性化推荐,提出基于机器学习的线上实验课程资源挖掘,精准挖掘用户偏好.在PC端、移动端两种登录方式下,线上实验课程资源组织结构的独立性及整体性.采用机器学习方法解析线上实验课程资源文件,通过生成项对、根据潜在函数值输出聚类结果,生成不同类别文件事件模板.通过准确率、F_measure、Rand index指标衡量聚类效果.以Agent作为在线实验课程平台的智能化服务模块,依据用户当下搜索路径,通过协同过滤技术实现用户感兴趣文件事件模板的挖掘,并生成聚集树.以此挖掘用户搜索路径关联规则,根据推荐度参数获取线上实验课程资源推荐集.实验结果表明:该方法可挖掘出与用户偏好90％相关的课程资源,且具有较高的比率,列表长度为14、好友数量为15～21个时的新用户挖掘效果最显著.

关键词：实验课程、资源挖掘、机器学习、智能化

所属期刊栏目：50

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;安徽省高校自然科学研究项目;铜陵学院校级科研重点项目

在线出版日期：2022-09-19（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：48-54