基于改进自编码器的在线课程推荐模型

摘要：

随着互联网技术的发展以及2020年新冠疫情的爆发, 越来越多的学生选择在线教育. 然而在线课程数量庞大, 往往无法及时找到合适的课程, 个性化智能推荐系统是解决这一问题的有效方案. 本文根据用户在线学习具有明显时序性的特点, 提出一种基于改进自编码器的在线课程推荐模型. 首先, 利用长短期记忆网络改进自编码器, 使得模型可以提取数据的时序性特征; 然后, 利用Softmax函数进行课程的推荐. 实验结果表明, 所提方法与协同过滤算法和基于传统自编码器的推荐模型相比, 具有更高的推荐准确率.

关键词：深度学习;数据挖掘;自编码器;个性化推荐

所属期刊栏目：31

资助基金：中国石油大学华东教学研究与改革项目QT-202005

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：288-293