一种基于Skill-LFM的知识点推荐方法

一种基于Skill-LFM的知识点推荐方法

TP391; 目前,知识库的用户主要是通过检索获取所需知识点,这种依赖搜索引擎解决信息过载的方法,对实时在线服务而言效率低下,对离线知识学习来说不具有完整性和连续性,为此提出由知识库系统根据用户技能水平主动推荐知识点给用户,提高决策效率,并有助于用户建立完备的知识学习体系.基于用户对知识点的历史行为以及用户对知识的学习能力,提出一种融合技能的隐语义模型的协同过滤推荐方法,将知识点难易程度作为潜在因子,同时考虑用户的能力水平预测用户对知识点的偏好水平.在呼叫中心知识库的数据集上进行测试,其均方根误差优于基础隐语义模型.综合知识点推荐的应用领域和知识学习行为数据的特点,对于知识点推荐方法,可从融合...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:中国科学技术大学学报 2018, Vol.48 (9), p.755-761
Hauptverfasser: 方建生, 许言午, 蔡瑞初, 秦艳
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TP391; 目前,知识库的用户主要是通过检索获取所需知识点,这种依赖搜索引擎解决信息过载的方法,对实时在线服务而言效率低下,对离线知识学习来说不具有完整性和连续性,为此提出由知识库系统根据用户技能水平主动推荐知识点给用户,提高决策效率,并有助于用户建立完备的知识学习体系.基于用户对知识点的历史行为以及用户对知识的学习能力,提出一种融合技能的隐语义模型的协同过滤推荐方法,将知识点难易程度作为潜在因子,同时考虑用户的能力水平预测用户对知识点的偏好水平.在呼叫中心知识库的数据集上进行测试,其均方根误差优于基础隐语义模型.综合知识点推荐的应用领域和知识学习行为数据的特点,对于知识点推荐方法,可从融合用户和知识点上下文信息的推荐技术上深入研究.
ISSN:0253-2778
DOI:10.3969/j.issn.0253-2778.2018.09.010