Никулин Владимир Николаевич – кандидат физико-математических наук, доцент кафедры математических методов в экономике, Вятский государственный университет. 
Адрес: 610000, г. Киров, ул. Московская, 36.
E-mail:  vnikulin.uq@gmail.com

Палешева Светлана Анатольевна – студент кафедры математических методов в экономике, Вятский государственный университет.
Адрес: 610000, г. Киров, ул. Московская, 36.
E-mail:  s.palesheva@gmail.com

Зубарева Дарья Сергеевна – студент кафедры математических методов в экономике, Вятский государственный университет.
Адрес: 610000, г. Киров, ул. Московская, 36.
E-mail:  ZubarevaDasha@yandex.ru

Актуальность проблемы обусловлена необходимостью определения подходящего направления для студентов (слушателей учебных курсов), которые «живут» в сети Интернет, принимая во внимание существование большого числа доступных исследовательских и образовательных ресурсов. В статье представлен алгоритм, который тестировался в режиме реального времени в ходе международного соревнования по анализу данных VideoLectures.Net ECML/PKDD 2011 (Track 2) на платформе TunedIT. VideoLectures.Net – это открытый и общедоступный мультимедийный ресурс видео-лекций, в основном исследовательского и образовательного характера. Открытые социально-образовательные системы предоставляют новые возможности для миллионов заинтересованных студентов, для того чтобы последние могли пользоваться высококачественными дидактическими материалами в режиме реального времени. Лекции предлагаются выдающимися учеными и исследователями в рамках самых значимых и известных событий, таких как конференции, летние школы, семинары, а также научно-популярные мероприятия в различных отраслях науки. Целями Интернет-ресурса являются продвижение научных идей, а также стимулирование обмена знаниями, которые достигаются посредством предоставления высококачественных учебных материалов не только научной общественности, но и более широкой аудитории. Все лекции, включая документы, информацию и ссылки, систематизированы и сгруппированы редакторами с учетом комментариев пользователей.

Мы предлагаем использовать две лекции (взятые из тройки данных лекций), для того, чтобы определить направление прогноза, который включает набор предсказанных лекций, дополненных соответствующими частотами или эмпирическими вероятностями. Соответствие всего предсказанного набора вычисляется согласно оставшейся третьей лекции. Дальнейшие улучшения были достигнуты посредством применения однородных ансамблей, основанных на случайных подмножествах (такой подход известен как бэггинг).