典型文献
一种结合用户适合度和课程搭配度的在线课程推荐方法
文献摘要：
在线学习由于不受时空限制而愈来愈流行.如何从成千上万的在线课程中选择合适课程是在线学习者面临的极大挑战,在线课程推荐应运而生.但现有课程推荐系统仍面临2个主要问题:1)不同用户具有不同的学习能力和需求.因此,需要仔细考虑用户对不同课程的适合度,否则可能会导致推荐的课程难度太大.2)目前的课程推荐方法忽略了推荐课程与用户已学课程之间存在的可搭配关系,可能导致不合适的推荐.针对以上2个问题,首先深入分析了用户的学习特征、类型及其对不同课程的学习适合度;同时,利用课程的共同被选频率,对不同课程之间的可搭配关系进行探究.基于以上2个方面,提出了一种结合用户适合度和课程搭配度的课程推荐模型(user-suitability and course-matching aware course recommendation model,SMCR).在 CN(canvas network)数据集和 MOOC(massive open online courses)数据集上进行的对比实验结果表明,该方法可以达到更高的推荐准确性,而且SMCR模型能够向用户推荐既适合其学习又与其已学课程可以进行搭配的课程.
文献关键词：
在线课程;个性化;学习适合度;课程搭配;课程推荐
中图分类号：
作者姓名：
胡园园;姜文君;任德盛;张吉
作者机构：
湖南大学信息科学与工程学院 长沙 410082;之江实验室 杭州 310012
文献出处：
引用格式：
[1]胡园园;姜文君;任德盛;张吉-.一种结合用户适合度和课程搭配度的在线课程推荐方法)[J].计算机研究与发展,2022(11):2520-2533
A类：
课程搭配,在线课程推荐,学习适合度
B类：
推荐方法,时空限制,愈来愈,成千上万,在线学习者,推荐系统,同用,否则,课程难度,太大,搭配关系,学习特征,推荐模型,user,suitability,matching,aware,recommendation,model,SMCR,CN,canvas,network,MOOC,massive,open,online,courses,向用,用户推荐
AB值：
0.294622
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
