论文部分内容阅读
为了提高Hadoop平台下在线教育推荐服务的准确度,更好地为不同类用户提供更精准的资源推送,提出了一种高精度的推荐服务策略。该策略首先采用权重估计对Hadoop平台用户进行分类,接着对在线教育学习资源进行标签化分类并实现用户兴趣资源的参数估计,最后生成推荐策略。实验证明:相比于Item-Based CF策略和Behavior-Based CF策略,该推荐策略的准确度更高。