利用具有遗传优化的混合多标准推荐系统帮助大学生选择选修课程
机器学习
2024-02-14 v1
摘要
大学学习中特定课程的广泛可用性以及学术计划的灵活性，揭示了推荐系统（RSs）在该领域的重要性。这些系统作为工具，帮助学生选择适合其个人兴趣和学术表现的课程。本文提出了一种混合推荐系统，该系统结合了协同过滤（CF）和基于内容的过滤（CBF），利用与学生和课程信息相关的多个标准，向学生推荐最合适的课程。我们开发了一种遗传算法（GA），用于自动发现最优的推荐系统配置，其中包括最相关的标准以及其他参数的配置。实验研究使用了西班牙科尔多瓦大学计算机科学学位的真实信息，包括三个学年期间收集的学生数据，共计 95 名学生的 2500 条记录和 63 门课程。实验结果展示了对课程推荐最相关标准的研究，强调了结合学生信息和课程信息的混合模型对于提高推荐可靠性的重要性，以及与先前模型相比的卓越性能。
引用
@article{arxiv.2402.08371,
title = {Helping university students to choose elective courses by using a hybrid multi-criteria recommendation system with genetic optimization},
author = {A. Esteban and A. Zafra and C. Romero},
journal= {arXiv preprint arXiv:2402.08371},
year = {2024}
}