论文部分内容阅读
为了能够更好的满足用户对学习资源个性化的需求,在传统推荐技术的基础上,引入本体来描述学习资源,借鉴语义网中的语义联系、SpreadingActivation等技术,得到更多与用户兴趣偏好有“隐藏”语义联系的资源,从用户角度保证了用户对学习资源日益增长的需求。实例验证了通过这种方法可以获得更多符合用户需求的学习资源,丰富了最终的推荐集,更好的完成个性化推荐,拓宽了用户的学习范围。