基于高维张量分解的个性化教育资源推荐算法研究

摘要

随着互联网及在线教育平台的加速发展,积累了大量的教育资源,学习者对网络平台中教育资源的利用依赖性不断提高,但需要花费大量的时间和精力去筛选符合自己的资源[1].目前,在线平台为学习者们提供的内容基本相同,未能针对个性化的要求提供差异化的资源[2].文章所构建的基于高维张量分解的个性化教育资源推荐算法,在分解中能够保留高维空间的信息完整性,避免了传统推荐算法在分解中原始信息和特征的丢失,从而为个性化学习资源推荐的研究提供参考.