Recommendation of items with inter-dependencies: a course plan recommender system
Notice bibliographique
Résumé
Dans cette thèse, nous abordons le problème de recommandation dans les domaines où les éléments ont des fortes contraintes de dépendance. Nous appliquons notre travail sur le domaine des cours académiques où les dépendances entre les éléments sont présentes comme contraintes de condition préalable explicites, pattern de l'arrangement implicite, et restrictions générale de la consomption de cours. Nous proposons une nouvelle approche au problème de recommandation qui combine l'arrangement des articles appris à partir des données et les intérêts de l'utilisateur, estimés pour fournir une séquence personnalisée des recommandations, qui prend en compte les interdépendances des éléments. Notre approche est basée sur la modélisation du problème de recommandation comme processus de décision Markovien (MDP) dont le but est de trouver un plan à profit totale maximale. Nous avons implémenté notre approche sur le Web en tant qu'un système qui propose des plans de cours aux étudiants pour un certain nombre de périodes subséquentes. Nos expériences sur des données réelles recueillies auprès des élèves de l'Université McGill démontrent que notre approche est plus performant comparativement aux modèles qui ne considèrent que les intérêts d'étudiant ou les patterns de co-occurrence de cours.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».