提出一种联合神经协同过滤与短期偏好的课程推荐模型.该模型通过利用学习者近期的学习行为捕获短期偏好，用以平衡或辅助学习者兴趣变化前后的各时刻历史行为，建构其动态兴趣赋能的历史行为新贡献度，基于短期偏好来重构学习者个性化动态学习兴趣，从而进行高效的课程推荐.利用学堂在线真实MOOC数据集进行验证，实验结果表明，与其他模型相比，该模型的HR和NDCG指标均得到一定提升，且模型鲁棒性较强.
科研之友
微信
新浪微博
Facebook
分享链接
