.png){kind=icon}
返回
Personalized e-learning resource recommendation using multimodal-enhanced collaborative filtering
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.113605.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
个性化学习资源推荐是电子学习领域的一个突出研究方向，它使学习者能够找到与其特定学习需求相符的适当资源。在线学习平台的持续发展和优化导致了电子学习资源和学习者数据的激增。这对现有的电子学习资源推荐方法构成了挑战，其中大多数仅依赖传统的协同过滤（CF）。其效率受限于仅使用单一模态或有限模态子集进行推荐。为解决这些挑战，本研究提出了电子学习领域的一种多模态增强型CF方法。该方法利用多种模态进行建模，包括学习者的学习记录、人机交互模式以及与资源相关的信息。它集成了矩阵分解等技术，用于联合建模学习者-资源模式，聚类用于分组相似学习者，以及长短期记忆网络用于捕捉学习活动的时序动态。进行了全面的实验来评估所提出方法的有效性，并确定其最优配置，以深入理解每个组件的贡献。
Keyword:
E-learning
Learning resource recommendation
Multimodal recommendation
Collaborative filtering
Deep learning
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
.png){kind=icon}
分享收藏A learning path recommendation model based on a multidimensional knowledge graph framework for e-learning基于多维知识图谱框架的e-learning学习路径推荐模型
PREAI
分享收藏Empowering personalized learning with an interactive e-book learning system for elementary school students通过面向小学生的交互式电子书学习系统增强个性化学习能力
PREAI
分享收藏分享收藏
查看更多内容