基于知识关联的学习资源混合协同过滤推荐研究

摘要：

随着教育资源在互联网上的快速积累,数据的规模急剧扩展,学习者面对海量数据逐渐感到茫然不适,亟需个性化智能推荐系统来提高学习效率.协同过滤算法作为目前最为有效的计算机智能推荐技术,在商业领域已得到广泛应用,但对于处理学习资源这种非结构化数据,还需要进一步改进.研究表明,综合运用知识本体表达、机器学习和数据挖掘等技术,建构学习者、学习资源和知识本体三者之间的关联矩阵,借助基于用户相似度和基于项目的混合协同过滤方法,有利于使推荐结果更精确地匹配用户的学习特征,提高学习资源个性化推荐的准确度和实用性.

关键词：知识本体、协同过滤、推荐系统

所属期刊栏目：37

分类号：G434(电化教育)

资助基金：湖北省教育厅人文社会科学重大委托项目“湖北省基础教育云资源整合及课堂教学模式改进研究”项目编号:13Zd002;中国博士后科学基金第58批面上资助项目“大数据环境下基于本体关联的学习资源个性化推荐研究”项目编号:2015M580661

在线出版日期：2016-08-23（万方平台首次上网日期，不代表论文的发表时间）

页码：77-83