基于向量构建和点击预测的在线视频课推荐模型
随着信息技术的发展,视频逐渐代替文字成为信息传播的主要载体.在线视频课凭借不受时间和地点限制的优势,越来越受到广大求学者的青睐.各类在线教育平台推出大量在线视频课使学习者难以选择,"信息过载"现象严重.课程推荐模型是解决"信息过载"问题的有效手段,但现有课程推荐模型大多仅关注内容特征,没有融合标签特征、统计特征等信息,导致推荐效果欠佳.为此,本文提出了一种基于向量构建和点击预测的在线视频课推荐模型,该模型首先利用Word2Vec内容向量构建方法将所有视频课的内容以向量形式表示出来,该向量每个维度的隐语义都具有表现课程内容特征的能力;然后根据用户标记的专业、评价信息等标签特征构建用户向量,该向量的每个维度代表了用户对该维度隐语义的兴趣程度;接下来用余弦相似度进行用户和课程向量的计算,筛选出符合用户兴趣的视频课候选集;最后将候选课程的统计特征与用户向量连接,输入到多层感知机中,预测用户点击在线视频课的概率,依据概率排序得到在线视频课推荐列表.本文选取了3个当前应用的在线视频课推荐模型进行对比实验,实验结果显示,本文所给推荐模型在准确率和召回率等指标上均有较为显著的提升.
课程推荐、在线学习、多层感知机、Word2Vec、潜在因素模型
49
TP319(计算技术、计算机技术)
辽宁省教育厅科学研究基金面上项目;辽宁大学本科教学改革项目;辽宁省普通高等教育本科教学改革项目;辽宁省普通高等教育本科教学改革项目;辽宁省经济社会发展研究课题研究成果基金项目;辽宁省社会科学规划基金项目
2022-11-10（万方平台首次上网日期，不代表论文的发表时间）
共11页
214-224
