基于密度峰值聚类算法的实验教学课程个性化推荐方法

扫码查看

原文链接

万方数据
维普

中文摘要：海量的教学课程资源,增加了用户的选择困难性.面对这种情况,为帮助用户选择适合的课程资源,研究基于数据挖掘的实验教学课程个性化推荐方法.利用密度峰值聚类算法对用户进行聚类,并找出目标用户的最近邻.根据最近邻用户对课程的评分,预测目标用户对每门实验课程的评分.从预测评分中选择得分最高的N个实验课程作为个性化课程推荐给目标用户.实验结果表明:当采用基于数据挖掘的推荐方法时,推荐新颖性为0.536,推荐覆盖率为95.63％,与三种传统推荐方法相比,推荐新颖性和推荐覆盖率均更大,由此说明所研究方法的推荐性能更好.

作者：

师海燕、齐芸、汪玲

展开 >

作者单位：

安徽交通职业技术学院城市轨道交通与信息工程系,安徽合肥 230051

关键词：

数据挖掘密度峰值聚类算法实验教学课程个性化推荐

出版年：

2024

合肥师范学院学报

合肥师范学院

合肥师范学院学报

CHSSCD

影响因子：0.263

ISSN：1674-2273

年,卷(期)：2024.42(3)