移动情景学习下的协同过滤专家推荐研究

摘要

文章提出了基于移动情景学习下的专家推荐模型,随着5G的到来,移动情景学习成为学习的热点,而在学习中如何找到合适的专家成为热点之一.文章提出基于用户和专家相结合的推荐算法,重构了专家推荐,结合海明距离和修正余弦来获取相似值,利用主成分分析法,通过降低维度减少用户和专家的指标项因子,提高因子准确性.实施表明了移动情景学习下专家推荐模型的有效性,并且证实了文章设计的专家推荐算法优于单一的基于用户或基于项目的推荐算法.