摘要
目前高校线上选课大多不具有个性化推荐功能,导致学生学习效率低下,间接造成教学资源浪费。针对以上问题,基于某高校学生实际选课数据,提出一种改进后的神经协同过滤模型。首先,由于神经协同过滤模型是基于协同过滤思想进行构造,并未引入其他更多特征,所以通过融合上下文信息的方式,提升推荐准确度;其次,广义矩阵分解模型作为浅层模型,表达能力较差,所以通过将广义矩阵分解模型与多层感知机进行串联,赋予模型更深层的网络,增强模型的表达能力;最后,在某高校选课数据集上进行对比实验,验证了模型的可行性和有效性。
出处
《科技与创新》
2023年第20期32-34,共3页
Science and Technology & Innovation
基金
国家自然科学基金(编号:11701066)。
