Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Reconstructing Gene Networks of Forest Trees from Gene Expression Data: Toward Higher-Resolution Approaches Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Initialization of Matrix Factorization Methods for University Course Recommendations Using SimRank Similarities

verfasst von : Alisa Krstova, Bozhidar Stevanoski, Marija Mihova, Vangel V. Ajanovski

Erschienen in: ICT Innovations 2018. Engineering and Life Sciences

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The accurate estimation of students’ grades in prospective courses is important as it can support the procedure of making an informed choice concerning the selection of next semester courses. As a consequence, the process of creating personal academic pathways is facilitated. This paper provides a comparison of several models for future course grade prediction based on three matrix factorization methods. We attempt to improve the existing techniques by combining matrix factorization with prior knowledge about the similarity between students and courses calculated using the SimRank algorithm. The evaluation of the proposed models is conducted on an internal dataset of anonymized student record data.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Bioelectrical Impedance Technology in Sports Anthropometry: Segmental Analysis in Karate Athletes
Nächstes Kapitel Deep Learning the Protein Function in Protein Interaction Networks
Literatur
1.
Ajanovski, V.V.: Guided exploration of the domain space of study programs: recommenders in improving student awareness on the choices made during enrollment. In: Proceedings of the Joint Workshop on Interfaces and Human Decision Making for Recommender Systems (INTRS17), pp. 43–47. CEUR-WS, Como (2017)
2.
3.
Hu, Q., Polyzou, A., Karypis, G., Rangwala, H.: Enriching course-specific regression models with content features for grade prediction. In: 2017 IEEE International Conference on Data Science and Advanced Analytics (DSAA), pp. 504–513 (2017)
4.
Jeh, G., Widom, J.: SimRank: a measure of structural-context similarity. In: Proceedings of the Eighth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 538–543. ACM Press, Edmonton (2002)
5.
Mnih, A., Salakhutdinov, R.: Probabilistic matrix factorization. In: Proceedings of the 20th International Conference on Neural Information Processing Systems, NIPS 2007, Vancouver, British Columbia, Canada, pp. 1257–1264 (2008)
6.
Morsy, S., Karypis, G.: Cumulative knowledge-based regression models for next-term grade prediction. In: Proceedings of the 2017 SIAM International Conference on Data Mining, pp. 552–560. SIAM, Houston (2017)
7.
O’Mahony, M.P., Smyth, B.: A recommender system for on-line course enrollment: an initial study. In: Proceedings of the 2007 ACM Conference on Recommender Systems, pp. 133–136. ACM, New York (2007)
8.
Polyzou, A., Karypis, G.: Grade prediction with models specific to students and courses. Int. J. Data Sci. Anal. 2(3–4), 159–171 (2016)CrossRef
9.
10.
Salakhutdinov, R., Mnih, A.: Bayesian probabilistic matrix factorization using Markov chain Monte Carlo. In: Proceedings of the 25th International Conference on Machine Learning, pp. 880–887. ACM, New York (2008)
11.
12.
13.
14.
Zhuhadar, L., Nasraoui, O., Wyatt, R., Romero, E.: Multi-model ontology-based hybrid recommender system in e-learning domain. In: 2009 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology, pp. 91–95. IEEE, Milan (2009)
Metadaten
Titel
Initialization of Matrix Factorization Methods for University Course Recommendations Using SimRank Similarities
verfasst von
Alisa Krstova
Bozhidar Stevanoski
Marija Mihova
Vangel V. Ajanovski
Copyright-Jahr
2018
Buch
ICT Innovations 2018. Engineering and Life Sciences

Print ISBN: 978-3-030-00824-6

Electronic ISBN: 978-3-030-00825-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-00825-3_15