作者：张鹏程远程教育课程推荐lad用户兴趣模型主题确定重要度计算偏好度判断
摘要：传统的远程教育课程推荐方法因数据稀疏问题,造成其主题集中性较差,为此设计基于LDA用户兴趣模型的远程教育课程推荐方法。通过远程教育课程外在属性包容度和内在属性质量值,计算远程教育课程的重要度,并以重要度为依据,利用LDA用户兴趣模型判断用户对主题的偏好度,确定主题与远程教育课程的相似度系数,获得用户对远程教育课程的兴趣度,以此为基础完成远程教育课程的推荐。实验结果表明:使用基于LDA模型的推荐方法向用户推荐的课程有50%以上都是用户需求的课程,而传统的推荐方法只有不到20%,两者相比,基于LDA模型的推荐方法的主题集中性更强,更适合应用在远程教育课程推荐中。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
