资料下载
×
基于LSTM网络的在线学习课程推荐模型
消耗积分:0 |
格式:pdf |
大小:4.66 MB |
2021-05-19
分享资料个
在线学习课程数量庞大，存在明显的信息过载问题，个性化智能推荐是解决这一问题的有效方式。根据学习者所学习的课程往往具有时间序列性这一特点，提岀了基于LSTM网络的在线课程推荐模型。从大量学习者所学习的课程序列中提取学习行为特点，进而预测学习者将要学习的课程。该算法是基于课程之间的时序性而提出的，因此按照课程之间关系的紧密程度将课程分类后推荐的准确率更高。由于在线课程不断更新，人工维护课程分类的工作量较大，同时分类也不够科学，利用GSP算法和谱聚类算法，挖掘岀课程间隐藏的时序联系，提出了更合理的课程自动分类方法。实验结果证明，与传统的协同过滤算法以及基于RNN的课程推荐算法相比，该算法推荐准确度更高。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
