基于DeepFM的个性化练习题目推荐系统研究

摘要：

文章针对学生在学习程序设计类课程时做题针对性不强、难以精准查缺补漏的问题,基于DeepFM模型,根据学生做题的历史行为数据及是否集中点击题目,来预估学生对其他题目的点击率,在对预估点击率排序后向学生推荐高点击率的题目,并通过ROC曲线、AUC值和混淆矩阵等指标评估推荐效果.该推荐系统基于DeepFM模型设计,实现了个性化练习题目推荐,已应用于实验教学.实验教学结果表明,该系统有助于提高实验教学效果,使学生的学习更高效,其中成绩较好的学生的学习效果提升更显著.文章还通过聚类分析、关联规则和分类预测等方法对学生的学习行为数据进行了分析,分析结果进一步验证了练习题推荐系统对实验教学的重要作用.

关键词：DeepFM模型、个性化、推荐系统、精准化教学

所属期刊栏目：40

分类号：TP311;G642(计算技术、计算机技术)

在线出版日期：2023-05-08（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：212-216,225