基于LGB-FFM-LR算法的在线课程评分预测方法研究

作     者：刘昱萌 刘斌 Liu Yumeng;Liu Bin

作者机构：陕西科技大学电子信息与人工智能学院西安710021 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2021年第44卷第16期

页      面：1-6页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61871260)项目资助 

主　　题：在线课程 评分预测 LightGBM FFM LR 

摘      要：针对在线教育课程客观评价较差的问题,设计了基于决策树算法的梯度提升算法-场感知因式分解机-逻辑回归(LightGBM-FFM-LR)算法的评分预测模型。该模型采集在线课程观看历史数据,提取用户的通用特征、时间特征等特征值,并着重考虑特征值的高维特征和低维特征关系来实现多维特征组合,改善数据稀疏性,从而提升评分预测性能。通过对某在线课程网站的脱敏数据实验表明,该模型的评分预测值与评分实际值的决定系数为0.87,平均均方误差为0.42,提升了模型的泛化能力,对在线课程的预测评分结果更加客观真实。