首页|基于LDA主题模型的MOOC推荐方法研究

基于LDA主题模型的MOOC推荐方法研究

扫码查看
随着MOOC平台数量的不断增多,课程资源的井喷式增长,用户很难在较短时间内快速找到自己感兴趣的课程。针对上述问题使用基于LDA分类降维的协同过滤算法为用户提供课程个性化推荐。首先,应用吉布斯采样法来估计LDA主题模型的多项式分布,对MOOC课程文本信息进行聚类。其次,根据课程信息聚类结果结合用户行为集合构建类别—评分矩阵。最后,根据类别—评分矩阵信息,计算用户余弦相似度,对目标用户进行协同过滤推荐。实验结果表明,基于LDA分类降维的协同过滤算法的准确率、召回率、综合评价指标F1值以及预测评分准确度对比传统推荐算法都有所提升。

杜梦晗、崔仙姬、姜雨蒙、张俊星

展开 >

大连民族大学信息与通信工程学院 大连 116600

MOOC平台 课程个性化推荐 LDA主题模型 聚类 协同过滤

2024

相关文献
计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子:0.355
ISSN:1672-9722
年,卷(期):2024.52(12)
杜梦晗,崔仙姬,姜雨蒙,等.基于LDA主题模型的MOOC推荐方法研究[J].计算机与数字工程,2024,52(12):3616-3622,3760.DOI:10.3969/j.issn.1672-9722.2024.12.024.