排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
3.
如今以MOOC平台为主的在线学习网站课程资源丰富,数据量庞大,存在明显的信息过载问题。用户如何在海量数据中快速找到合适的课程是一个难题,而个性化的课程推荐是解决这一问题的有效方式。考虑到用户学习的课程存在先后顺序,具有明显的时序性,所有我们使用门控循环单元(GRU)从用户学习的课程序列中挖掘其存在的规律和特点。另外,为使推荐的结果更加准确,我们考虑结合课程之间的关联关系,提出了基于GRU与课程关联关系的推荐模型。最后,我们在真实的MOOC数据集上进行大量实验,实验结果表明,与传统的协同过滤算法以及仅考虑课程关联关系的算法相比,我们提出的算法性能更好,推荐的准确度更高。 相似文献
1