基于学习情况协同过滤算法的个性化学习推荐模型研究

作者：苏庆; 陈思兆; 吴伟民; 李小妹^*; 黄佃宽

来源：数据分析与知识发现, 2020, 4(05): 105-117.

• 学习情况相似度
• 协同过滤
• 个性化学习
• 推荐模型
• 知识地图
• 度中心性

【目的】针对学习者学习过程中出现的信息过载问题,构建一个基于学习情况的个性化学习推荐模型LS-PLRM,为学习者推荐个性化学习方案。【方法】在LS-PLRM中,提出一种应用三个学习情况因子改进相似度计算的PAD-CF协同过滤算法,结合知识地图与知识点度中心性实现知识点推荐度的计算与标注,最终生成个性化学习方案。【结果】对于F值,LS-PLRM比Pearson-CF、Edurank、CF-SPM等学习推荐模型分别提高6.24%、2.68%和1.98%。对于得分提升率,LS-PLRM比上述模型分别提高3.85%、2.39%和1.41%。【局限】未考虑多种复杂的学习情况影响因素,预测知识点得分的准确性有待提高。【结论】个性化学习推荐模型LSPLRM具有较高的实践应用意义。

• 单位
  广东工业大学