基于LGB-FFM-LR算法的在线课程评分预测方法研究

来源：电子测量技术杂志2021年第16期北京时间：

作者：刘昱萌，刘 斌

单位：陕西科技大学电子信息与人工智能学院 西安 710021

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（Light Gradient Boosting Machine - Field-aware Factorization Machine - Logistic regression，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。

关键词：在线课程;评分预测; LightGBM; FFM; LR

基金资助：国家自然科学基金项目（61871260）资助