Resumen

Este estudio proporciona un estudio y análisis en profundidad de las técnicas de recomendación de cursos de inglés mediante una combinación de algoritmo de colonia de abejas y algoritmo de red neuronal. En este estudio, el texto adquirido se entrena con un vector de documentos mediante un modelo de aprendizaje profundo y se combina con un método de filtrado colaborativo para recomendar cursos adecuados a los usuarios. Basándose en el análisis del estado actual de la investigación y el desarrollo de la tecnología relacionada con la recomendación de recursos de cursos, la tecnología de aprendizaje profundo se aplica a la recomendación de recursos de cursos basada en los problemas actuales de datos escasos y baja precisión de la recomendación de cursos. Para el problema de que la importancia de los recursos de aprendizaje para los usuarios cambia con el tiempo, este estudio propone fusionar la información del tiempo en el algoritmo neural de filtrado colaborativo a través del algoritmo de clasificación de clustering y propone un algoritmo de recomendación de recursos de cursos basado en el aprendizaje profundo para recomendar mejor el curso que los usuarios quieren aprender en esta etapa con prontitud. En segundo lugar, se mejora el modelo de cálculo de la similitud del coseno del curso para el algoritmo de recomendación de cursos. Teniendo en cuenta el impacto del número de veces que los usuarios califican los cursos y el intervalo de tiempo entre los usuarios que califican diferentes cursos en el cálculo de la similitud del curso, se reduce la contribución de los usuarios activos a la similitud del coseno y se da una penalización de caída de tiempo a los usuarios que califican los cursos en diferentes períodos. Al mejorar el algoritmo de recomendación híbrido y el modelo de cálculo de la similitud, el valor de error, el recuerdo y la precisión de los resultados de la recomendación de cursos superan a otros modelos algorítmicos. El análisis de los requisitos identifica el sistema de enseñanza en línea personalizado con estudiantes rurales de primaria y secundaria como principal objetivo del servicio y, a continuación, diseña la arquitectura general y los módulos funcionales del sistema de recomendación y la estructura de la tabla de la base de datos para implementar los módulos funcionales de registro de usuarios, inicio de sesión y centro personal, publicación de cursos, recomendación popular, recomendación personalizada, Q

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:recomendaciones de recursos de cursos, modelo de cálculo de similitudes, módulo funcional, usuario, curso de calificación de usuarios, modelo de aprendizaje profundo, algoritmo de colonia de abejas, estado actual de la investigación, algoritmo de recomendaciones híbridas, penalización por decaimiento de tiempo
• Keywords:course resources recommendations, similarity calculation model, functional module, user, user rate course, deep learning model, bee colony algorithm, current research status, hybrid recommendations algorithm, time decay penalty