基于模糊逻辑的计算机网络课程资源个性化推荐方法

打开文本图片集

摘要：由于传统方法在提取用户行为特征时，直接采用原始数据而未计算分词的相似度，导致用户意图和偏好刻画存在偏差，使得特征提取存在稀疏性，进而导致推荐的准确性较低。为此，文章提出基于模糊逻辑的计算机网络课程资源个性化推荐方法。该方法通过融合多维度行为数据计算行为数据综合指数，构建加权行为数据矩阵并定义用户兴趣特征向量；再通过模糊隶属度函数将特征向量赋予隶属度值，从而构建用户兴趣模糊模型；利用模型得出匹配资源需求，评估特征相关性并计算特征兴趣度；根据特征重要性计算资源整体兴趣度，引入调整因子和自适应特征量调整权重并重新计算兴趣度，最后根据筛选阈值筛选资源，经多次排序实现计算机网络课程资源的个性化推荐。（剩余4395字）