摘要

针对传统的基于用户的协同推荐算法存在的数据稀疏以及对用户评分的强依赖问题,提出基于社交信任机制的在线学习协同推荐算法.利用学习行为日志数据,采取主动评分和被动评分相结合的综合评分方法,构建学习者-学习资源评分矩阵.并根据学习者间的关注和评论两种社交数据,创建一种变权重相似度模型,进而生成近邻集实现推荐.使用历史学习数据作为本文的实验数据集,确定最优的调节因子值,并与传统算法进行对比实验.实验结果表明,数据稀疏度明显改善,是改进前的近11倍,且平均绝对偏差(MAE)减少了2%左右,推荐质量更高.