信息与电脑信息化教育Information&Computer基于协同过滤的高校思政课程资源个性化推荐方法2023年第10期杨佳孙明丽*（长春建筑学院，吉林长春130000)摘要：传统方法在高校思政课程资源个性化效果不佳，无法满足用户精度与速度需求。因此，提出基于二元组构建思政课程资源网络，更新学习兴趣节点关键词权重，挖掘兴趣特征，用协同过滤技术分析思政课程资源学习兴趣与课程资源相似度，生成个性化推荐思政课程资源，完成基于协同过滤的高校思政课程资源个性化推荐。实验证明，设计方法Fi值在0.9以上，推荐时间在1s以内，具有较好的性能。关键词：协同过滤；思政课程资源；个性化推荐；关键词；相似度中图分类号：TP312ThePersonalizedRecommendationMethodofUniversityIdeologicalandPolitical文献标识码：A文章编号：1003-9767（2023）10-244-03CourseResourcesBasedonCollaborativeFilteringYANGJia,SUNMingli(ChangchunUniversityofArchitectureandCivilEngineering,ChangchunJilin130000,China)Abstract:Traditionalmethodshavepoorpersonalizedeffectsonideologicalandpoliticalcourseresourcesinuniversities,whichcannotmeettheaccuracyandspeedneedsofusers.Buildanetworkofideologicalandpoliticalcurriculumresourceswithbinarygroups,updatethekeywordweightsoflearninginterestnodes,mineinterestcharacteristics,usecollaborativefilteringtechnologytoanalyzethesimilaritybetweentheirlearninginterestsandcurriculumresourcesofideologicalandpoliticalcurriculumresources,generatepersonalizedrecommendedideologicalandpoliticalcurriculumresources,andcompletepersonalizedrecommendationofcollegeideologicalandpoliticalcurriculumresourcesbasedoncollaborativefiltering.ExperimentalresultshaveshownthatthedesignmethodhasaF,valueabove0.9andarecommendedtimewithin1second,indicatinggoodperformance.Keywords:collaborativefiltering;ideologicalandpoliticalcourseresources;personalizedrecommendation;keywords;similarity0引言目前，国内在高校思政课程资源个性化推荐方面研究晚，相关理论与技术不成熟，实际应用中存在效果不佳、推荐时间较长的问题，无法满足实际需求。为解决这些问题，文章提出了基于协同过滤的高校思政课程资收稿日期：2023-03-02基金项目：2023年度吉林省教育厅人文社科研究项目“新时代背景下...
