딥 매트릭스 분해를 이용한 학습 자원 추천 접근법

전통적인 학습에서는 학습자와 강사 또는 튜터가 직접 만날 수 있습니다. 이러한 강의에서는 강사나 튜터가 인쇄된 책 튜토리얼을 소개할 수 있습니다. 그러나 원거리 교육과 같은 여러 상황에서는 학습자가 교사와 상호작용할 수 없습니다. 따라서 온라인 학습 자원은 학습자가 지식을 얻는 데 도움이 될 것입니다. 많은 수의 다양한 학습 자원 중에서 적절한 학습 자원을 선택하는 것은 매우 중요합니다. 본 연구는 학습자의 능력 및 요구사항에 기반하여 학습 자원을 추천하기 위해 표준 매트릭스 분해에서 확장된 딥 매트릭스 분해 모델을 제시합니다. 우리는 두 그룹의 실험 데이터에 대해 제안된 모델을 테스트하며, 하나는 대학에서의 학습 성과 데이터 그룹으로 코스 추천을 위한 것이고, 다른 하나는 학습 자원에 대한 사용자 데이터를 포함하는 5개의 데이터셋 그룹입니다. 실험 결과는 일부 기준에 비해 유망한 결과를 보여주었습니다. 이 연구는 대규모 데이터셋을 위한 좋은 선택이 될 것으로 기대됩니다.