在线课程推荐系统综述

摘要：

在线教育的快速发展使得在线课程数量爆炸式增长,学习者很容易陷入"课程过载"带来的课程信息获取效率低下的问题,这推动了在线课程推荐系统的产生和发展.目前在线课程推荐系统已成为研究热点,并且在该领域中提出了大量方法,有必要对最新的研究进展进行系统的梳理分析.首先归纳总结在线课程推荐系统的基本框架和相关概念.然后重点对比分析现有在线课程推荐系统采用的各类核心推荐方法,其中包括基于关联规则挖掘、基于矩阵分解、基于概率模型、基于深度学习、基于智能优化、基于语义计算等类型的方法.最后介绍在线课程系统的各种评价指标和公开可用的数据集,并展望未来的发展方向.

关键词：在线课程推荐系统、关联规则挖掘、矩阵分解、概率模型、深度学习、智能优化、语义计算

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金62077045

在线出版日期：2023-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1-14