基于知识关联的学习资源混合协同过滤推荐研究

随着教育资源在互联网上的快速积累,数据的规模急剧扩展,学习者面对海量数据逐渐感到茫然不适,亟需个性化智能推荐系统来提高学习效率。协同过滤算法作为目前最为有效的计算机智能推荐技术,在商业领域已得到广泛应用,但对于处理学习资源这种非结构化数据,还需要进一步改进。研究表明,综合运用知识本体表达、机器学习和数据挖掘等技术,建构学习者、学习资源和知识本体三者之间的关联矩阵,借助基于用户相似度和基于项目的混合协同过滤方法,有利于使推荐结果更精确地匹配用户的学习特征,提高学习资源个性化推荐的准确度和实用性。