科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的推荐系统只能根据用户的历史数据推荐资源，一旦用户情况发生变化，其推荐精度和推荐效率会快速下降。因此，设计基于大数据的思政教学资源推荐系统。在传统的浏览器/服务器（Browser/Server,B/S）模式上结合Spark计算框架，搭建推荐系统架构。通过分析学习者学习行为、检索行为、资源选用顺序等建立用户对资源类型的偏好画像标签，并以学习者对知识点的掌握情况为依据确定其认知水平；引入热门学习资源选用热度作为惩罚因子，改进协同过滤算法，实现思政资源准确推荐。系统功能测试表明，设计系统响应时间短且推荐资源的准确率高。
- 单位
