基于个性化自适应学习的网络混合式信息推荐

摘要：

网络信息种类繁多、特征混乱,信息结构可视化难度较大,导致其推荐误差较大,且相似信息资源直接点击率不高.提出新的基于个性化自适应学习的网络混合式信息推荐方法.将自适应学习分为知识学习、测验考试、学习策略决策及数据维护四大功能模块,自适应挖掘混合式信息特征,降低用户个性属性维数;构建领域知识模型,对混合信息知识结构做可视化导航;将基于内容推荐方法与协同过滤算法相结合,划分具有相同喜好的用户,生成混合式信息推荐集合.实验结果表明,所提方法平均绝对误差与均方根误差均低于传统方法,相似信息资源点击率得到明显提高,说明所提方法推荐效果更好,能够根据用户喜好实现个性化推荐.

关键词：个性化自适应学习、网络信息推荐、自适应特征、协同过滤、可视化导航

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：广东省教育厅普通高校重点项目;科技计划

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：408-411,426