论文部分内容阅读
协同过滤推荐算法存在数据稀疏的问题,这使得学习平台中由于用户学习行为记录的稀疏而无法满足用户的学习需求。为此,提出了一种基于隐式评分和相似度传递的学习资源推荐算法。首先,收集用户的学习行为;其次,改进传统的相似度计算方法,并在此基础上引入相似度传递策略;最后,应用并实现E-learning平台中学习资源的推荐。实验表明,该算法能够在一定程度上解决相似度计算不准确以及数据稀疏问题,从而提高学习资源的推荐质量。