基于深度学习的高职数字资源个性化推荐系统研究

摘要

针对传统推荐方式在高职教育场景下无法缓解信息过载、易导致知识迷途，难以满足学生个性化学习和多专业教学需求，致使数字资源利用效率不高的问题，本文提出一种基于深度学习的高职数字资源个性化推荐系统。该系统使用时序注意力门控循环单元(GRU)和变量注意力非负绞杀(NNG)相结合的结构，通过特征融合改善数据稀疏问题，利用组合优化修正NNG算法中的系数估计偏差，完成核心模块的设计与实现。实验结果表明，该系统能有效提高推荐的准确性，具有较强的精度与鲁棒性，能够更好地贴合教学场景、提升数字资源使用效率。为高职教育中数字资源推荐效果差、场景适应性低等问题提供了有效的技术解决方案。

关键词

深度学习 / 高职教育 / 数字资源 / 个性化推荐 / 时序注意力

基金资助

2024年湖北省教育厅科研计划项目基于改进门控循环单元网络深度学习的智能推荐系统研发(B2024284); 2023年湖北省教育规划课题软件技术专业“职普融通”高等教育阶段实现路径研究(2023GB270)