基于密度峰值聚类算法的实验教学课程个性化推荐方法  

Personalized Recommendation Method of Experimental Teaching Course Based on Density Peak Clustering Algorithm

作　　者：师海燕 齐芸 汪玲 SHI Haiyan;QI Yun;WANG Ling

机构地区：[1]安徽交通职业技术学院城市轨道交通与信息工程系,安徽合肥230051

出　　处：《合肥师范学院学报》2024年第3期110-114,共5页Journal of Hefei Normal University

基　　金：安徽省重大教学改革研究项目“基于卓越绩效模式的高职院校管理体系构建研究”(2021zdjgxm026);安徽省高等学校科学研究(自然科学类)项目“基于线程关键特征的多核处理器系统电压调度研究”(2022AH052448);安徽交通职业技术学院横向项目“安徽省网络货运服务平台技术服务”(2023HX04)。

摘　　要：海量的教学课程资源,增加了用户的选择困难性。面对这种情况,为帮助用户选择适合的课程资源,研究基于数据挖掘的实验教学课程个性化推荐方法。利用密度峰值聚类算法对用户进行聚类,并找出目标用户的最近邻。根据最近邻用户对课程的评分,预测目标用户对每门实验课程的评分。从预测评分中选择得分最高的N个实验课程作为个性化课程推荐给目标用户。实验结果表明:当采用基于数据挖掘的推荐方法时,推荐新颖性为0.536,推荐覆盖率为95.63%,与三种传统推荐方法相比,推荐新颖性和推荐覆盖率均更大,由此说明所研究方法的推荐性能更好。

关 键 词：数据挖掘 密度峰值聚类算法 实验教学课程 个性化推荐 

分 类 号：TP147.88[自动化与计算机技术—控制理论与控制工程]