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。
In order to solve the problem that learners acquire the accuracy of text learning resources on the website and avoid wasting a lot of time and energy,we propose and construct a“trinity”learner model-based recommendation system.First of all,the system divides users into ordinary users and target users by analyzing their behaviors.Then different recommendation algorithms are used for each type of users.Through the introduction of semantic relevance on the basis of traditional vector space model representation,the text vector model and learner interest vector model are updated,so as to better recommend Chinese-text learning resources according to learners’learning interests,and make the text-learning resources become available.Secondly,by comparing the cosine similarity between the two models,the personalized recommendation of Chinese text resources is realized.Finally,the experiment simulation on the tutoring-service system shows the proposed algorithm,which is effective,can improve the recommendation accuracy.
作者
陈鑫宇
杨冬黎
鲁金秋
衣存慧
左富成
张丽伟
CHEN Xin-yu;YANG Dong-li;LU Jin-qiu;YI Cun-hui;ZUO Fu-cheng;ZHANG Li-wei(School of Computer and Information Technology,Northeast Petroleum University,Daqing 163318,China)
出处
《计算机技术与发展》
2020年第6期77-81,共5页
Computer Technology and Development
基金
黑龙江省大学生创新创业训练计划项目(201910220051)
黑龙江省教育科学“十三五”规划2019年度重点课题(GJB1319025)
2018年东北石油大学引导性创新基金项目(2018YDL-21)。
关键词
文本推荐
学习资源
模型
算法
学习者
text recommendation
learning resources
model
algorithm
learners
作者简介
陈鑫宇(1999-),男,研究方向为计算机应用;通讯作者:杨冬黎(1979-),女,硕士,讲师,研究方向为智慧教育。
