基于LDA主题模型和学习者行为特征的协同过滤个性化学习资源推荐方法

摘要

cqvip:随着在线学习方式的普及,网络学习资源急剧增加,亟需为学习者提供高质量的个性化资源推荐服务。协同过滤推荐是最常用的推荐方法之一,但传统协同过滤存在数据稀疏性问题导致其难以得到大规模应用。为此,提出一种基于主题模型和学习者行为特征的协同过滤资源推荐方法。首先,利用LDA主题模型构建资源和学习者的主题向量;其次,采用线性加权的方式计算学习者相似度以寻找近邻;然后,分析学习者行为特征,完成动态兴趣建模;最后,利用近邻预测学习者感兴趣的资源。实验结果表明,所提方法能有效改善个性化学习资源推荐效果。