融合协同过滤个性化模型的课程资源定制化推荐

摘要

网络教学的形式迅速发展,网络上各种学习资源的数量也在急剧膨胀,学生容易面临“信息过载”的问题亟需解决。利用遗传算法与K-means聚类算法对协同过滤算法进行优化,并构建协同过滤个性化推荐模型。研究结果表明,在最近邻居数为30时,优化后的协同过滤推荐模型MAE值为0.77,比未优化的模型低0.05;在推荐课程资源个数为5时,优化协同过滤推荐模型的推荐准确率为52%;问卷调查显示觉得个性化课程资源推荐系统有效的学生占98%,觉得无效的仅占2%。以上结果说明协同过滤个性化推荐模型能很好地为学生推荐课程资源,提高学生的学习兴趣和学习效率。