摘要
随着数字化学习资源规模急剧扩张,"知识过载"和"学习迷航"等问题限制了在线学习资源推荐的性能,学习者从海量的学习资源中选择合适资源的难度随之增大.针对传统推荐算法中存在的数据稀疏和学习资源个性化推荐精度不高等问题,提出了基于行为分析的学习资源个性化推荐算法.首先,构建学习者-学习资源评分矩阵;其次,挖掘学习者行为数据并将行为数据格式化融入到协同过滤个性化推荐过程;最后,计算学习者相似度并为待推荐学习者生成学习资源推荐列表.为验证模型的有效性,以"Live Course在线课程平台"数据为样本构建实验数据集,通过对比实验表明,该方法具有更高的推荐精度,能够更加精确和全面定位学习者的真实需求,实现学习资源个性化推荐.
基金项目
国家自然科学基金(21776119)
教育部产学合作协同育人项目(201902172045)
江苏省社科基金(15TQB002)
国家科技期刊平台
NSTL
维普
万方数据