古奋飞

(安徽新华学院 信息工程学院， 安徽 合肥 230088)



基于标签与评分个性化课程推荐算法

古奋飞

(安徽新华学院 信息工程学院， 安徽 合肥 230088)

首先根据课程的标签对课程进行聚类，找到相似度高的课程；其次根据学生对课程的已有评价和课程的聚类结果对未选课程进行评分预测，构建无缺失的课程评价矩阵，在此基础上再次对课程进行相似度计算，找到相似度较高的K项向目标用户进行推荐。通过实验验证，本算法与基于标签协同过滤算法以及基于评分推荐算法相比，具有更准确的推荐效果。

标签； 评分； 课程推荐； 聚类

0 引 言

随着Web2.0不断发展，个性化推荐不仅在电子商务、社交等领域应用广泛，而且在个性化学习领域中也有一定的应用[1]。目前,在很多领域中的推荐系统均是根据用户的历史行为和商品的各自属性，并利用互联网技术向目标用户推荐感兴趣的信息。随着互联网的不断发展，教育行业也发生了巨大转变，由传统的教学方式转变成“互联网+”时代，出现了Coursera、Mooc等开放式教学平台。为了更好地开展高校教育改革，教师学生可以充分利用网络资源和各种学习平台，方便高效地进行教学。因此，如何根据用户的学习能力、知识结构等合理地推荐适合用户的课程是目前的研究热点。文中提出基于标签聚类和课程评分对用户进行个性化课程推荐。

1 推荐算法

目前在个性化推荐方面主要有基于项目、基于用户、基于协同过滤以及一些混合推荐方法，这些推荐方法在电商、社交等平台应用较为成熟，同时也适合个性化学习的领域。……