TY -的A2 -乌斯曼,默罕默德盟——张之浩PY - 2021 DA - 2021/10/28 TI -推荐的方法基于协同过滤技术的物理教育网络课程资源SP - 9531111六世- 2021 AB -通过当前对在线学习的研究,发现目前的电子学习系统应用于推荐学习资源的活动只有两种搜索方法:头n个和关键词。这些搜索方法不能有效地向学习者推荐学习资源。因此,协同过滤推荐技术,在本文中,学习资源个性化推荐的过程。我们获得用户内容和功能利益和预测网络的综合利益,通过无限深神经网络大数据。基于协作图和协同过滤算法知识,教学网络资源的语义信息是知识从协作中提取图。根据最近邻推荐的原则,课程属性值偏好矩阵(APM)是获得第一。接下来,course-predicted值按照降序排序,和顶部 T课程选择最高的预测值,最后推荐课程设置为目标的学习者。每个课程都有自己的在线课堂;老师会提前发布在线课程的细节,和学生可以在线购买号码和密码进入教室。实验结果表明,最优数量的集群 k是9。此外,对于极其稀疏矩阵,协同过滤技术方法更适合集群在转换后的低维空间。协同过滤技术的推荐满意度平均方法是大约43.6%,这表明高推荐质量。SN - 1058 - 9244 UR - https://doi.org/10.1155/2021/9531111 - 10.1155 / 2021/9531111摩根富林明科学编程PB - Hindawi KW - ER