[发明专利]一种改进型协同过滤的网络课程推荐算法

说明书

本发明公开了一种改进型协同过滤的网络课程推荐算法，根据用户u对已知课程i的完成度、收藏行为和用户评分等反馈数据，计算用户u对已知课程i的兴趣度，获取所有网络课程及每门网络课程所属科目标签，并根据网络课程所属的科目标签，对网络课程进行划分为不同的子课程数据集；设定兴趣度阈值，当用户u对某课程的兴趣度超过该阈值，则视为用户u对该课程有倾向性；计算已知课程i与所处的子课程数据集中其他未知课程j间的配合度wsubgt;ij/subgt;，得到用户u对未知课程j的兴趣度rsubgt;uj/subgt;；按照用户u对本子课程数据集中所有未知课程j的兴趣度进行排序，排在前N名的课程作为推荐课程；本发明的网络课程推荐算法能够利用移动终端的优势，辅助线下课堂的教学。

技术领域

本发明专利属于网络课程推荐技术领域，具体涉及一种改进型协同过滤的网络课程推荐算法。

背景技术

随着网络和移动终端的发展，移动学习逐渐成为热门，新时代下网络学习不可避免的出现了一些问题：

1)校园课堂模式和移动网络学习模式缺乏有效融合。

web3.0的发展改变了传统网络学习环境。随着移动互联网技术的高速发展，网上授课受到很多人的追捧。2012年MOOC(Massive Open Online Course，大规模开放在线课程)元年开启之后，MOOC在全球范围内迅速升温。但至今为止，网络课堂和传统课堂都缺乏有效的融合甚至是矛盾对立的。如何将移动学习和课堂学习优势互补从而提高学习者的效率，是迫切需要解决的问题。

2)网络学习资源泛滥的环境对网络学习资源知识发现提出严峻挑战。

和传统课堂相对稀少而高质量的教学资源相比，网络学习资源来源宽泛、多元，数量庞大且增速惊人。海量的网络学习资源为学习者提供大量信息的同时也给学习者的资源检索带来了一定的阻碍。如果网络学习资源缺乏有效的管理，其利用效率就会非常低，导致学习者淹没在“信息海洋”中。

3)小范围的协作学习缺乏完善的平台支持。

当今社会是一个“人人互联、资源共享”的社会，共享与协作已经是学习的必然发展趋势。在课堂学习中，经常需要分组合作探讨问题、完成任务。随机的分配不能扬长避短，发挥每个人最大的优势。自由组队往往缺乏人员的流动性，产生更多的问题。而在流行的网络学习中，用户大都单纯的独自观看视频。缺乏一个移动学习平台，聚合相同爱好的同学，产生合作小组，完成共同的学习任务。

发明内容

为了解决现有技术中存在的不足，本申请提出了一种改进型协同过滤的网络课程推荐算法，利用移动终端的优势，辅助线下课堂的教学。同时，根据不同同学的学习主题和兴趣，创建协作学习小组，将学习资源智能聚合给组内成员，方便组员的探究性合作学习。

本发明所采用的技术方案如下：

一种改进型协同过滤的网络课程推荐算法，包括如下步骤：

步骤1：根据用户u对已知课程i的完成度、收藏行为和用户评分等反馈数据，计算用户u对已知课程i的兴趣度，

步骤2：获取所有网络课程及每门网络课程所属科目标签，并根据网络课程所属的科目标签，对网络课程进行划分为不同的子课程数据集；

步骤3：设定兴趣度阈值，当用户u对某课程的兴趣度超过该阈值，则视为用户u对该课程有倾向性；计算已知课程i与所处的子课程数据集中其他未知课程j间的配合度w_ij，得到用户u对未知课程j的兴趣度r_uj；

步骤4：按照用户u对本子课程数据集中所有未知课程j的兴趣度进行排序，排在前N名的课程作为推荐课程。

进一步，步骤1中计算用户u对已知课程i的兴趣度的方法为：