APP下载

个性化课程推荐中LFM自动聚类算法研究

2014-07-24杨立力

微型电脑应用 2014年11期
关键词:用户课程

杨立力

个性化课程推荐中LFM自动聚类算法研究

杨立力

为给学生推荐不同兴趣粒度的课程,提出隐含语义模型(Latent Factor Model,以下简称LFM),并将其应用于网络环境中学生对于课程学习点击的隐性反馈数据集,对学生的兴趣主题、行为习惯和课程类别自动聚类,然后进行Top-N推荐。实验表明,该方法是有效的,且具有较高的准确度。

LFM隐含语义模型;个性化;推荐系统

0 引言

随着计算机技术和互联网技术的快速发展,网络中的信息“超载”现象越来越严重,面对信息的“海洋”,用户所用的信息只是沧海一粟。为了找到适合自己的信息用户需要耗费大量的时间与精力。在网络教育中也存在此问题,学习者无法快速找到需要的学习资源,面对海量信息,无法进行筛选。大量相似的信息使学习者在查找有效资源的过程中,产生“迷航”和迷茫不知所措的问题。因此在网络教育中需要运用个性化推荐技术来更好地辅助学习者的自主学习。

当前实现个性化推荐应用最广泛的是基于用户或者基于项目的协同过滤方法。然而在传统的基于协同过滤方法中,主要通过寻找相似用户或项目进行推荐,无法照顾到项目的不同粒度。比如,对于一个用户,他们可能有不同的兴趣,就以网络课程目录为例,用户 A会关注数学、历史、计算机方面的课程,用户B喜欢机器学习、编程语言、离散数学方面的课程,用户 C喜欢大师 Sigmund Freud,Jean Piaget等人的课程,这样在推荐的时候需要面向用户推荐其个人感兴趣的类别课程。……

登录APP查看全文

猜你喜欢

用户课程
《无机化学》课程教学改革
数字图像处理课程混合式教学改革与探索
软件设计与开发实践课程探索与实践
为什么要学习HAA课程?
关注用户
关注用户
关注用户
Camera360:拍出5亿用户
100万用户
如何获取一亿海外用户