期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于TFIDF+LDA和Mini Batch K⁃means算法的在线课程推荐方法研究
1
作者 严武军 王丽蓉 《现代计算机》 2023年第23期15-20,共6页
在线教育资源急剧增长让学习者难以抉择,研究在线课程分类推荐,能帮助学习者快速获取所需资源。首先将潜在狄利克雷分配算法融入词频-逆向文件频率算法对数据进行预处理,生成词向量矩阵;之后采用Mini Batch K-means算法训练聚类模型,并... 在线教育资源急剧增长让学习者难以抉择,研究在线课程分类推荐,能帮助学习者快速获取所需资源。首先将潜在狄利克雷分配算法融入词频-逆向文件频率算法对数据进行预处理,生成词向量矩阵;之后采用Mini Batch K-means算法训练聚类模型,并采用T分布随机邻域嵌入降维算法对训练结果进行可视化分析。实验采用从Pluralsight在线课程API获取8016条数据进行实验,实验结果表明融入潜在狄利克雷分配算法的词频-逆向文件频率算法效果更好。 展开更多
关键词 词频逆向文件频率 潜在狄利克雷分配 Mini Batch K-means 在线课程推荐
下载PDF
在线课程推荐系统综述
2
作者 余鹏 刘星雨 +3 位作者 程颢 杨佳琦 陈国华 贺超波 《计算机工程与应用》 CSCD 北大核心 2023年第22期1-14,共14页
在线教育的快速发展使得在线课程数量爆炸式增长,学习者很容易陷入“课程过载”带来的课程信息获取效率低下的问题,这推动了在线课程推荐系统的产生和发展。目前在线课程推荐系统已成为研究热点,并且在该领域中提出了大量方法,有必要对... 在线教育的快速发展使得在线课程数量爆炸式增长,学习者很容易陷入“课程过载”带来的课程信息获取效率低下的问题,这推动了在线课程推荐系统的产生和发展。目前在线课程推荐系统已成为研究热点,并且在该领域中提出了大量方法,有必要对最新的研究进展进行系统的梳理分析。首先归纳总结在线课程推荐系统的基本框架和相关概念。然后重点对比分析现有在线课程推荐系统采用的各类核心推荐方法,其中包括基于关联规则挖掘、基于矩阵分解、基于概率模型、基于深度学习、基于智能优化、基于语义计算等类型的方法。最后介绍在线课程系统的各种评价指标和公开可用的数据集,并展望未来的发展方向。 展开更多
关键词 在线课程推荐系统 关联规则挖掘 矩阵分解 概率模型 深度学习 智能优化 语义计算
下载PDF
一种知识图谱增强的在线课程推荐方法 被引量:4
3
作者 陈欣 孙玉虹 +1 位作者 丁长青 刘利聪 《软件导刊》 2022年第1期9-14,共6页
在课程推荐领域,通常会遇到数据稀疏性和冷启动问题,导致推荐效果不理想。为此,基于端到端深度学习框架,提出一种融合课程知识图谱的深度卷积神经网络(KGCN-CR)。通过聚集课程实体邻域信息增强自身实体表示,获取学生个性化潜在兴趣。以... 在课程推荐领域,通常会遇到数据稀疏性和冷启动问题,导致推荐效果不理想。为此,基于端到端深度学习框架,提出一种融合课程知识图谱的深度卷积神经网络(KGCN-CR)。通过聚集课程实体邻域信息增强自身实体表示,获取学生个性化潜在兴趣。以慕课(MOOC)平台为例,通过爬取计算机类和艺术类学生的课程交互数据和课程属性,构建课程知识图谱作为辅助信息增强课程推荐的性能,分别使用18135条交互数据以及44600条课程属性进行试验。结果表明,KGCN-CR的ACC以及AUC分别达到了82.3%和78.2%,比SVD提升15%,精确率、召回率以及F1值也最优。因此,知识图谱作为辅助信息能有效提升课程推荐的性能,能较好解决数据稀疏性以及冷启动问题,并具有较好的推荐可解释性。 展开更多
关键词 知识图谱 在线课程推荐 神经网络
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部