Resumen

Con el objetivo de resolver el problema de la difcil seleccin de recursos de cursos en lnea de educacin fsica, se propone un mtodo de recomendacin de recursos de cursos en lnea basado en algoritmos de aprendizaje automtico. El modelo de recomendacin de informacin se establece mediante la expresin de un algoritmo de filtrado colaborativo y una matriz de retroalimentacin de recursos. De acuerdo con la puntuacin de retroalimentacin de cualquier usuario sobre el mismo recurso de datos en el conjunto de proyectos, el grado de coincidencia de intereses se establece mediante el anlisis comparativo, y el grado de coincidencia se sustituye en la funcin de similitud coseno para calcular el umbral de similitud entre cada elemento y as sucesivamente, calcular el nmero de umbral de similitud de todos los elementos, seleccionar el recurso del proyecto que mejor se adapte al usuario de acuerdo con el nmero de umbral, y completar la recomendacin. Los resultados experimentales muestran que el mtodo de recomendacin de recursos curriculares de la red de educacin fsica basado en el algoritmo de aprendizaje automtico es relativamente excelente en cuanto a precisin y eficacia de la recomendacin; este mtodo puede hacer realidad la innovacin del modo de enseanza curricular de la red de educacin fsica superior.

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Algoritmos de aprendizaje automático; Recursos de cursos en línea; Algoritmo de filtrado colaborativo; Matriz de retroalimentación de recursos; Función de similitud del coseno; Precisión de la recomendación
• Keywords:Machine learning algorithms; Online course resources; Collaborative filtering algorithm; Resource feedback matrix; Cosine similarity function; Recommendation accuracy