《表1:不同算法的RMSE与MAE对比表》
本文提出基于SVD构建高职在线教学资源推荐系统,提出了结合高职学生兴趣偏好改进SVD算法模型。并将设计的算法通过公开电影数据集进行试验与测试。得出改进后的SVD对RMSE、MAE有所提高。从信息系统接收模型、用户持续使用意向的文献分析中,可以得知采纳意愿和促成因素正向影响个体对学术社交网站的采纳行为;绩效期望、努力期望正向显著影响用户采纳意愿;学习者的感知有用性与其接受网络课程的行为正相关;MOOC平台用户知识分享意愿有显著正向影响;感知有用性和内在动机对大学生网络学习空间的使用意向具有显著的直接影响;同时,人们对于知识获取、表现预期、同行/社会压力、娱乐享受的社会心理预期会影响其对网络课堂的使用。推荐系统的研究与实践是跨学科,需要综合考虑诸多因素。旨在构建符合高职学生特征的推荐算法。本次研究探讨了其中一种算法模型的尝试,在用户持续使用行为影响因素等诸多方面,包括高职课程特征、高职学生特征建模方面,存在提取与分类的问题,在下一步研究工作中将对该算法进行改进。
图表编号 | XD00151247300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 林海 |
绘制单位 | 惠州城市职业学院 |
更多格式 | 高清、无水印(增值服务) |