基于协同过滤的教学资源个性化推荐技术的-研究与应用

《基于协同过滤的教学资源个性化推荐技术的-研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要互联网给人们提供了丰富的信息资源，它已成为人们获取信息的重要途径。随着互联网上信息数量的激增，信息搜索技术面临着越来越大的挑战，传统的搜索引擎很难满足用户个性化的需求，人们要准确、快速的找到自己所需要的资源越来越困难，所以推荐技术应运而生，并显示出了强大的生命力。推荐技术根据用户已有的信息，对目标用户感兴趣的信息进行推荐，帮助用户更方便的找到所需要的信息。本文将推荐应用于教育信息化领域。教学资源作为教育信息化的一个组成部·分，在教学中发挥着重要的作用。网络教学平台中包含了大量的教学资源，但是通常给用户提供

2、的都是相同的资源。由于用户的兴趣爱好有差异，所以对教学资源的需求也不尽相同。在众多的推荐技术中，协同过滤技术是应用最为广泛的一项个性化推荐技术。通过运用协同过滤技术，可以帮助用户发现潜在的兴趣爱好并做出推荐，让用户在大量的教学资源中迅速、准确的找到适合自己学习的资源，满足了用户对个性化服务的需求。本文对网络教学平台的用户进行研究，分析了这一特定群体的特点，并且结合教学资源的项目特征，设计了具体的推荐流程，并对推荐过程中所要用到的相似度算法进行改进，提出了一种基于用户和基于项目的混合协同过滤个性化推荐算法。它可

3、以有效的避免协同过滤算法面临的稀疏矩阵的问题。最后本文基于ApacheMahout构建了自己的推荐引擎，对改进的算法进行实现，并通过设计实验，对得到实验数据进行分析，证明了该算法的有效性。关键词：协同过滤，个性化，特定群体，混合推荐，网络教学平台分类号：TP391●ABSTRACTInternethasbecomeallimportantwayforpeopletoreachinformation．Itprovidespeoplewithabundantinformationresourc懿．Asthesur

4、geofinformationquantity,searchtechniqueisfacingthebigchallenge．Rbecomesdifficultforpeopletofindtherightandsuitableresources，sothetraditionalsearchtechniqueishardtomeetthepersonalizedrequirementsofusers．Underthiseircumstanc宅the职℃onlmendtechnologyarisesandsho

5、wsstrongvitality．RecommendtechnologymakerocommendationthatinterestUSerSbasedonUSgl'8’information,itcanhelppeoplefindtheinformationnleyneedconveniently．Thispaperappliesrecommendtechnologyintoeducationalinformatizationfield．Teachingresourceplaysanimportantrol

6、einteaching．Therearelotsofteachingresoul'ca3innetworkteachingplatform．Usually,theplatformprovidesthesameuserinterfacetoeverysingleuser．ButUSel"8havedifferentneedsbecausetheyhavedifferentintorests．Collaborativefilteringisthemostwiddyusedamongalltherecommendt

7、echnologies．Rhelpsusersdiscoverpotentialinterestsandthenmakerecommendations·Userswillreachthe“≥sou“x爆accuratelyandrapidlyamonglargequantityofteachingresou[ce8．Thepersonalizedneedsofusersarebeingmet．Thispaperresearchesofusersfromanonlineteachingplatform，anal

8、yzesthefeatureofthisspecificgroup，designsar∞ommendationprocedureforthem,andimprovesthesimilaritycomputationtohaveabetterrecommendquality．Toavoidsparsematrixproblemincollaborativefiltering,ahybridrecomm