基于增量协同过滤的个性化学习推荐研究

基于增量协同过滤的个性化学习推荐研究

ID:35174779

大小:2.84 MB

页数:49页

时间:2019-03-20

基于增量协同过滤的个性化学习推荐研究_第1页
基于增量协同过滤的个性化学习推荐研究_第2页
基于增量协同过滤的个性化学习推荐研究_第3页
基于增量协同过滤的个性化学习推荐研究_第4页
基于增量协同过滤的个性化学习推荐研究_第5页
资源描述:

《基于增量协同过滤的个性化学习推荐研究》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、'-■?-I\V錄I辦歡如:ij\.IIlIIIIM-姜義起,'’'一’:义舊节.三I—.三、'.;^隨女瀑;-:海!n.、■'-■I..棒¥Vv王H(";i'-‘‘石:U:5,;、:,’不,y‘:、分类号::密级V躬掉'.节‘等I''"’吟'V:T.:学校代码:10414学号!2013010823.J若、幹V''.'’:;\iA‘^少—-.'V,V古,—飞鴻’.-龄善;茜寒為巧處乂

2、等審議誦硕±研究生学位论文II拳I*?-'*V—>一;,I?叫敦載';基于增量祇同过滤的个性化学习推荐、'‘'.."^’'‘,:..呼^研麻九皆,冬y於V丢冷:/,;V;巧背;‘'-“'.’■-‘.1^.-,^:{;c:,)’"'心Research0打PersonalizedLearni打gRecommendation可畫:''.苗乂,;??由\、vbasedonIncrementalCollaborativeF

3、ilteringi’.t:'?"-S—.I?.,->,,..''-'J;y、巧...‘.-—、满讀;志?明杨击,气-;%I於’:’...讀等,备.请V知./护i山王信院名:程艳院所:算机息程导师化计学_:业:机方向:与技究教数据挖據学科专计算科学术研育‘―’。'一'之。六弁月年/Mrv^汝:衣鸿卽每^\:.‘'‘'扛.产.>成:d;知v义巧;也"■-.■-.--?:-、■.vN矿::;,hi.:;满沪1!y,v1.

4、名寶独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:签字日期:年月日学位论文版权使用授权书本学位论文作者完全了解江西师范大学研究生院有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本

5、人授权江西师范大学研究生院可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名:导师签名:签字日期:年月日签字日期:年月日摘要近年来,随着互联网和网络学习社区快速的发展,信息技术正以惊人的速度改变着人们的学习方式,与此同时,学习迷航、知识过载等问题逐渐显现出来。个性化学习推荐逐渐成为人们快速学习和掌握知识的一种重要手段,一定程度上改善了学习迷航以及知识过载的问题,同时也体现了以人为本的个性化自主学习模式。个性化

6、学习推荐系统通过分析学习者的特性和学习行为等记录信息,向学习者推荐其可能感兴趣的服务,已成为社交学习网络和教育数据挖掘等领域的研究热点。目前,协同过滤是个性化推荐系统应用最广泛的、较成熟的算法之一。但是,基于协同过滤的推荐算法依然面临一些瓶颈问题,例如:稀疏性、可扩展性、冷启动等难题,有待进一步研究和解决。针对数据稀疏、可扩展性和精确度问题,本文提出了一种基于增量协同过滤的个性化推荐算法。本文的主要工作如下:首先,本文提出了一种双层行为驱动下的多Agent协同评分模型。利用学习者社会网络关系和Agent动态感知和交互能

7、力,并结合个体行为度量的兴趣度、群体行为度量的信任度和影响力对学习资源进行协同预测评分,降低预测评分偏差。其次,针对传统协同过滤算法中的稀疏性、可扩展性和精确性问题,提出一种基于增量协同过滤的个性化推荐方法。利用双层行为驱动下的多Agent协同评分模型,降低数据稀疏性带来的干扰,提高预测评分的可靠性;采用动态k-means聚类对样本空间进行动态划分,修正协同过滤提取的最近邻问题,以及增量式更新机制,从而来提高算法推荐的效率和精度。最后,采用CSDN数据集进行对比实验。验证了依据双层行为驱动下的多Agent协同评分模型的

8、推荐算法可以提高算法的推荐精确度。实验对比分析,表明本文提出基于增量协同过滤的推荐算法具有更高的精确度和可扩展性。关键词:增量协同过滤;个性化学习推荐;兴趣度;信任度;动态k-means聚类IAbstractInrecentyears,withtherapiddevelopmentofInternetandnetworklearn

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。