文章在课程推荐领域,提出了一种基于协同过滤的改进推荐算法,在原有的通过用户历史选课行为记录来计算课程相似度的基础上,通过引入对课程文本内容的挖掘,使用课程文本向量计算课程相似度,增加物品特征,进而预测目标用户对潜在课程兴趣集的评分,达到对目标用户进行课程推荐的目的。通过与传统协同过算法的对比,改进后的协同过滤推荐模型在不同的邻域K下,准确率、召回率都有所提高。
科研之友
微信
新浪微博
Facebook
分享链接
