协同过滤推荐算法在e-Learning系统中的改进与应用

通过引入标签提取、相似矩阵等方法概念,提出了一种基于内容信息标签提取与协同过滤的混合型推荐算法,应用于e-Learning系统中,旨在解决传统协同过滤推荐算法存在的新用户冷启动问题,为新用户也能提供个性化资源服务功能。通过一系列基于MovieLens数据集进行的实验结果证明,本文改进的混合推荐算法,平均绝对误差维持在0.2~0.6,均方根误差在0.85~1.15之间,相比一些现有的冷启动问题解决方法误差降低了7%~11%,且实现方式更为简便,能够一定程度上解决系统冷启动问题,是一种切实有效的推荐算法。

Improvement and Application of Collaborative Filtering in e-Learning System