基于Vanilla算法的数字化资源在线推荐算法

摘要：

海量的数字化学习资源带来的资源过载和资源迷航的问题,数字资源权重的排序难度较大,导致资源推荐易出现较大偏差.于是提出基于Vanilla算法的数字化资源在线推荐算法,解决用户查找资源效率和准确率低的难题.采用Vanilla算法计算数字资源排序权重.根据权重,结合神经网络模型计算用户对资源的评分,并通过用户相似度矩阵初始值计算、分解与重组,计算用户相似度,预测不同情境下目标用户评分并生成资源推荐列表,完成数字化资源在线推荐.实验结果显示,上述算法计算用户评分时的运行耗时低于 0.031s,失误率在 5%左右波动,说明用户评分准确且速度快,数字化资源在线推荐误差较小,应用性能更优.

关键词：神经网络、相似度、矩阵分解、推荐算法

所属期刊栏目：40

分类号：TP393(计算技术、计算机技术)

资助基金：江苏高校哲学社会科学研究基金项目2018SJA0397

在线出版日期：2023-11-02（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：324-327,338