科研之友
微信
新浪微博
Facebook
分享链接
摘要
移动终端在输出海量学习资源时会存在条件受限问题，对移动学习的协同过滤推荐带来了较大的挑战。用户对学习资源的喜好问题与传统的推荐问题不同，其不仅依赖个人偏好和兴趣特征，且随着学习经历的变化而发生改变，同时移动设备所在的时空环境与上下文信息也影响了资源的选择。以概率矩阵模型为基础，首先利用先验概率分布建立社交关系、行为特征、资源关联、时空环境与用户评价的分布关系，然后将其通过联合概率分布融入到概率矩阵模型中进行优化，构建用户与项目的多维特征关系，得到更为精确的用户与项目的潜在特征矩阵，实现了基于移动环境的实时学习资源推荐。与近年的主流推荐方法进行比较，结果表明，针对移动学习资源推荐方法的均方根误差（root mean square error,RMSE）和平均绝对误差（mean absolute error,MAE）指标均优于相关方法。
-
单位自动化学院; 武汉大学
