基于组合推荐技术的个性化学习资料推荐的研究

论文摘要

随着网络的迅速发展和普及,网络在人们生活学习中占据了越来越重要的位置。网络教学这种不同于传统教学的教育方式已经成为教育单位培养人才,促进教育事业和科研发展的重要途径。网络快速发展的同时,信息数量的膨胀和冗余也制约着网络的发展。伴随着信息数量的增长,面向互联网用户的个性化信息服务应运而生。个性化信息服务迄今为止在电子商务领域取得了显著的商业效果。因此,将个性化推荐技术应用到网络教学中同样能达到良好的教育效果,提高学生学习的自主性和学习效率,并且提高了教育资源的利用率。个性化教学资源的建设逐渐成为网络教学中的重要研究内容。本文研究了个性化推荐系统及其主要推荐技术,尤其协同过滤技术,包括基于项目的协同过滤技术和基于用户的协同过滤技术。本文所做的主要的工作体现在下面的几个方面：分析了协同过滤算法缺点,针对其缺点提出基于项目属性矩阵的协同过滤的组合推荐算法。利用项目的特征属性矩阵解决协同过滤算法中用户-项目矩阵的数据稀疏性和新项目冷启动问题。根据项目的属性矩阵计算出每个项目的属性相似邻居,对用户-项目矩阵中用户未评分的项目,通过该项目的属性相似邻居计算用户对该项目的可能评价值。将可能评价值填充到用户-项目矩阵中,在填充后的矩阵上运行基于项目的协同过滤算法。实验证明基于项目属性矩阵的协同过滤比基于项目的协同过滤算法具有更好的推荐效果。根据该算法设计了个性化学习资料推荐系统的推荐模型,采用多种推荐模型方式向学生推荐资料。最后,将推荐模型应用在个性化学习资料推荐系统中,实现论文所提及的功能。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景及意义
• 1.2 国内外研究现状
• 1.3 主要研究工作
• 1.4 论文结构
• 第2章 个性化推荐系统及其应用技术
• 2.1 个性化以及个性化服务
• 2.2 个性化推荐系统的组成部分
• 2.3 个性化推荐系统的推荐技术
• 2.3.1 基于内容的推荐
• 2.3.2 协同过滤推荐
• 2.3.3 基于规则的推荐
• 2.3.4 基于人口统计的推荐
• 2.3.5 基于效用的推荐
• 2.3.6 基于知识的推荐
• 2.3.7 组合推荐
• 2.4 个性化推荐系统中相关技术
• 2.4.1 数据挖掘技术
• 2.4.2 信息过滤与信息检索
• 2.5 本章小结
• 第3章 协同过滤技术研究
• 3.1 协同过滤概念
• 3.2 协同过滤算法的步骤
• 3.3 协同过滤算法的分类
• 3.3.1 基于全局的协同过滤算法
• 3.3.2 基于模型的协同过滤算法
• 3.3.3 基于用户的协同过滤
• 3.3.4 基于项目的协同过滤
• 3.4 协同过滤算法的优缺点
• 3.4.1 基于用户的协同过滤存在的问题
• 3.4.2 基于项目的协同过滤存在的问题
• 3.4 本章小结
• 第4章 组合推荐推荐技术研究
• 4.1 组合推荐的优势
• 4.2 几种组合推荐的方式
• 4.2.1 基于内容和基于协同过滤组合
• 4.2.2 基于聚类的协同过滤推荐算法
• 4.2.3 基于降维的协同过滤推荐
• 4.2.4 协同过滤同关联规则
• 4.3 基于项目特征属性的协同过滤推荐
• 4.3.1 协同过滤数据稀疏问题的解决方案
• 4.3.2 基于项目特征属性的协同过滤算法
• 4.3.3 项目属性的获取及计算
• 4.3.4 目标项目的可能评价值
• 4.3.5 实验分析及结论
• 4.4 本章小结
• 第5章 学习资料推荐系统分析与设计
• 5.1 系统的需求分析
• 5.2 系统分析
• 5.3 数据的采集及数据库设计
• 5.4 学习资料系统的体系结构
• 5.5 推荐系统的推荐流程
• 5.6 学习资料系统推荐模型
• 5.6.1 个性化推荐模块
• 5.6.2 排行榜推荐模块
• 5.6.3 新项目推荐模块
• 5.7 本章小结
• 第6章 结论与展望
• 6.1 论文的工作总结
• 6.2 展望
• 参考文献
• 致谢