基于学习者模型的文本学习资源推荐算法研究

摘要

为解决学习者在网站中获取文本学习资源的准确性,避免学习者浪费大量的时间和精力等问题,提出并构建了“三位一体”的基于学习者模型推荐系统。首先,该系统通过分析用户行为,把用户分为普通用户和目标用户两大类。然后针对每一类用户使用不同的推荐算法。通过在传统向量空间模型表示法的基础上引入语义相关度,使文本向量模型和学习者兴趣向量模型进行了更新,从而更好地根据学习者的学习兴趣来推荐中文文本学习资源,使推送文本学习资源变得有据可依。其次,通过对这两个模型进行余弦相似度对比,更好地实现中文文本学习资源的个性化推荐。最后,通过在家教服务系统上进行实验仿真,验证了所提算法对推荐准确度的提高。实验结果表明该算法是有效的。