基于改进自编码器的在线课程推荐模型

摘要

随着互联网技术的发展以及2020年新冠疫情的爆发,越来越多的学生选择在线教育.然而在线课程数量庞大,往往无法及时找到合适的课程,个性化智能推荐系统是解决这一问题的有效方案.本文根据用户在线学习具有明显时序性的特点,提出一种基于改进自编码器的在线课程推荐模型.首先,利用长短期记忆网络改进自编码器,使得模型可以提取数据的时序性特征;然后,利用Softmax函数进行课程的推荐.实验结果表明,所提方法与协同过滤算法和基于传统自编码器的推荐模型相比,具有更高的推荐准确率.