适用于在线教育大数据的Hadoop平台高准确度推荐服务

摘要：

为了提高Hadoop平台下在线教育推荐服务的准确度,更好地为不同类用户提供更精准的资源推送,提出了一种高精度的推荐服务策略.该策略首先采用权重估计对Hadoop平台用户进行分类,接着对在线教育学习资源进行标签化分类并实现用户兴趣资源的参数估计,最后生成推荐策略.实验证明:相比于Item-Based CF策略和Behavior-Based CF策略,该推荐策略的准确度更高.

关键词：在线教育、Hadoop平台、权重估计、参数估计、推荐服务

所属期刊栏目：46

分类号：TP393(计算技术、计算机技术)

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：175-180