基于麻雀算法优化的神经网络推荐算法研究

黄承宁， 孙自梅， 张 斌， 朱玉全

（1 南京工业大学浦江学院， 南京 211222； 2 江苏大学计算机科学与通信工程学院， 江苏 镇江 212013）

0 引 言

在智慧校园建设中，信息过载现象越来越严重，而学生培养方案存在过于单一规范问题，无法反映不同学生擅长的领域，更无法针对性推荐引导自主学习，无法充分发挥不同学生真正的学习能力。 基于用户画像的自主学习推荐，是根据学生人才培养方案课程学习情况数据分析，对学生学情进行画像描述与分析，进而实施个性化推荐，提供适合学生的学习领域和职业课程知识。 基于画像，可以根据学生的特点，深入了解适合学生的特定领域，让学生学习真正有用的技能，为学生将来进入社会打下坚实的基础。

用户画像是通过分析用户行为特征、消费习惯和其他有关用户行为的信息而构建的一种用户特征［1］。 根据用户的特点，公司对其进行精准营销，为改善用户体验、吸引用户注意力奠定基础。 例如：淘宝和抖音等互联网公司，通过分析购物记录和浏览用户数据，为每个用户构建一幅画像。 当用户再次登录时，其会根据用户画像推荐专属商品，以方便用户购物。 在高校，智能图书馆可以根据用户画像为学生提供准确的知识服务，并为研究团队提供学科知识服务。 用户画像的构建方法包括：基于用户兴趣偏好、用户行为、动机、个性特征和角色情绪等等。

推荐算法是推荐系统的重要组成部分，该算法通过收集用户特征、行为和推荐元素的特征，计算出最接近用户偏好的元素。……