文献类型：期刊文章

作　　者：卢春华[1] 胡晓楠[2] 彭璐康[3] 李翠霞[1]

Lu Chunhua;Hu Xiaonan;Peng Lukang;Li Cuixia(School of Mathematics and Physics,Anshun University,Anshun 561000,Guizhou,China;Department of Accounting and Financial Management,University of Portsmouth,Portsmouth PO12UP,UK;Institute of Network Technology,Beijing University of Posts and Telecommunications,Beijing 100876,China)

机构地区：[1]安顺学院数理学院,贵州安顺561000 [2]朴茨茅斯大学会计与金融管理系,朴茨茅斯PO12UP [3]北京邮电大学网络技术研究院,北京100876

出　　处：《计算机应用与软件》

基　　金：贵州省科技厅三方联合基金重大项目课题(黔科合LH[2015]7701)。

年　　份：2023

卷　　号：40

期　　号：2

起止页码：74-81

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、ZGKJHX、核心刊

摘　　要：针对在线教育平台上资源过载和传统推荐方法输入特征单一的问题,提出基于网络拓扑和文本数据的特征融合方法,使用深度学习的表示学习方法来进行智能课程推荐。对于课程设计策略构建网络拓扑结构,并使用Node2vec向量化方法将网络中的节点映射到低维向量空间;之后使用卷积神经网络抽取特征并融合经Doc2vec表示的文本数据,拟合用户数据与目标课程之间的相似度。在进行推荐时,选择两者相似度最高的Top N课程。实验结果表明,该方法的性能远远超过传统的推荐方法,同时,消除实验表明该文使用特征对于最终的推荐效果都有一定的积极作用。

关 键 词：网络特征 文本特征 推荐系统 表示学习  智能课程推荐  

分 类 号：TP391]