基于模糊邏輯的計算機網(wǎng)絡(luò)課程資源個性化推薦方法
打開文本圖片集
摘要：由于傳統(tǒng)方法在提取用戶行為特征時，直接采用原始數(shù)據(jù)而未計算分詞的相似度，導致用戶意圖和偏好刻畫存在偏差，使得特征提取存在稀疏性，進而導致推薦的準確性較低。為此，文章提出基于模糊邏輯的計算機網(wǎng)絡(luò)課程資源個性化推薦方法。該方法通過融合多維度行為數(shù)據(jù)計算行為數(shù)據(jù)綜合指數(shù)，構(gòu)建加權(quán)行為數(shù)據(jù)矩陣并定義用戶興趣特征向量；再通過模糊隸屬度函數(shù)將特征向量賦予隸屬度值，從而構(gòu)建用戶興趣模糊模型；利用模型得出匹配資源需求，評估特征相關(guān)性并計算特征興趣度；根據(jù)特征重要性計算資源整體興趣度，引入調(diào)整因子和自適應(yīng)特征量調(diào)整權(quán)重并重新計算興趣度，最后根據(jù)篩選閾值篩選資源，經(jīng)多次排序?qū)崿F(xiàn)計算機網(wǎng)絡(luò)課程資源的個性化推薦。（剩余4395字）