丁永刚 张 馨 桑秋侠 金梦甜 张红波
(湖北大学 教育学院,湖北武汉 430062)
融合学习者社交网络的协同过滤学习资源推荐*
丁永刚 张 馨 桑秋侠 金梦甜 张红波
(湖北大学 教育学院,湖北武汉 430062)
传统的协同过滤推荐算法存在冷启动和数据稀疏的问题,使得新学习者因历史学习行为记录稀疏或缺失而无法获得较准确的个性化学习资源推荐。鉴于此,文章提出将学习者社交网络信息与传统协同过滤相融合的方法,计算新学习者与好友之间的信任度,借助新学习者好友对学习资源的评分数据,来预测新学习者对学习资源的评分值,以填补新学习者在学习者—学习资源评分矩阵中的缺失,实现对新学习者的个性化学习资源推荐。实证研究结果表明,该方法在一定程度上能够解决传统协同过滤方法的冷启动和数据稀疏问题,提高个性化学习资源推荐的准确率。
社交网络;协同过滤;学习资源;个性化推荐
计算机与互联网的高速发展不仅影响着人们的生活方式,而且也改变着人们的学习方式乃至思维方式[1]。网络学习因具有学习资源丰富、学习过程自主控制等优点,而成为学习者弥补传统课堂学习不足和满足个性化学习需求的首选学习方式。然而,一方面由于网络学习资源数量急速增长,导致资源严重过载,使得学习者难以快速获取自己感兴趣的资源,因而在一定程度上加大了学习者的学习难度,延长了学习者的学习时间,降低了学习者的学习效率;……