汪 晔

(安徽商贸职业技术学院，安徽 芜湖 241000)

0 引 言

在如今的“互联网+”时代下，教育行业的传统教育模式也经受着非常大的冲击[1]。以往的传统教育模式也逐渐向移动教育转移，AI、互联网技术的快速发展，使得移动教育也在随之快速成长，个性化教育才能真正的从理论走向实践[2]。研究表明，大众对在线教育的认可度逐年提升，各种在线教育App下载量急剧上升[3]。职业技术、语言/留学、高等教育、K12、幼教五大垂直细分市场在政策与技术的推动下不断深挖。虽然目前在线教育成功案例较多，但仍然较少涉及到AI能力，虽然智能教育平台优化方向较多，本次研究着重探讨是教育平台课程推荐的能力，期望将与大数据技术相关的图计算技术应用到教育平台推荐系统中，依靠图计算技术海量数据处理能力来优化平台较大的数据规模。

1 针对数据稀疏性的教育平台推荐算法

1.1 推荐系统数据的稀疏性问题及架构

主要目标是构建出一个基于显式评分的在线教育推荐系统。在构建推荐系统时，首先要解决数据稀疏性与冷启动问题。其中，数据稀疏性问题在推荐系统中主要是指学生评分行为与其学习、浏览行为相比，占比只是很小的一部分，这样会导致最终的评价矩阵存在稀疏性，造成推荐结果不准确；冷启动属于数据稀疏性问题下的一种特殊情况，当新用户注册或新课程上线时，由于新用户未选择过课程，新课程也未被用户选择过，因此无论选择哪一种算法均无法执行推荐。……