一、基本信息
标题：基于个性化推荐的在线学习系统研究与实现
时间: 2019
来源: 个性化推荐学习
关键字：个性化推荐；深度学习模型；概率矩阵分解；课程推荐引擎；在线学习系统
二、研究内容
众多学者只是推荐算法方面做了大量的研究或基于算法实现了学习资料的推荐系统，并没有将个性化推荐引入到在线学习系统中。该系统使用主题分析、感情分析、矩阵分析等方法预测用户对课程和教授的评选，进而为用户推荐相关课程。
关键技术包括常用的推荐算法、深度学习模型中的卷积神经网络和循环神经网络、大数据踔厉平台Hadoop、微服务架构、新型JavaWeb开发框架SpringBoot、微服务框架SpringCloud、持久层框架Mybatis和分布式搜索引擎
介绍了针对当前学习资源推荐算法中存在的问题，提出了融合深度学习的概率矩阵分解、推荐模型并对该模型的每个部分进行了详细说明
三、总结
在线学习系统给用户提供便捷的同时也给用户带来了困扰，用户无法快速的从海量的学习资料中寻找到自己感兴趣的资源。为了解决此问题，该问将个性型化推荐技术应用到学习系统中，设计并实现了基于个性化推荐的在线学习系统
四、参考文献
[1] 巩晓悦 基于个性化推荐的在线学习系统研究与实现 2019.6.2