计算机基础泛在学习资源推荐系统设计

作者：沈云云

来源：贵阳学院学报(自然科学版), 2021, 16(03): 5-8.

DOI：10.16856/j.cnki.52-1142/n.2021.03.002

• 泛在学习
• 学习资源
• 协同过滤算法
• RBF算法

采用RBF算法对传统的协同过滤算法进行优化改进,构建计算机基础泛在学习资源推荐系统。研究结果表明,RBF算法的迭代次数比BP算法少288次,耗费时间少约346s,说明RBF算法更适合于优化协同过滤模型;经RBF优化后的协同过滤算法在最近邻居数相同时均低于传统协同过滤算法;在推荐学习资源个数为5时,优化协同过滤推荐模型的推荐准确率达到82%。结果表明,泛在学习资源推荐系统能够较为准确地为计算机基础学习者推荐需要的学习资源,具有一定的实用性。

• 单位
  淮北师范大学信息学院