HDFS模式下基于用戶興趣的教學信息化資源管理方法
發(fā)布時間:2021-04-13 22:07
針對云計算環(huán)境下信息化教學資源的云存儲和個性化推薦問題,提出一種基于分布式文件系統(tǒng)(HDFS)和用戶興趣的教學信息化資源管理方法。該方法采用Hadoop平臺的HDFS技術(shù)來解決網(wǎng)絡(luò)教學資源的云端存儲問題,并對相應(yīng)的HDFS云存儲架構(gòu)進行分析。其中,教學資源推薦功能模塊采用LDA用戶興趣主題挖掘模型,并引入學生評分矩陣產(chǎn)生學生-課程屬性偏好相似度,提升推薦的質(zhì)量和準確度。在Hadoop 2.2.0平臺上的實例仿真結(jié)果驗證了提出方法的可行性。此外,相比于基于標準關(guān)聯(lián)規(guī)則的推薦方法,提出的挖掘推薦方法表現(xiàn)出更高的準確性。
【文章來源】:現(xiàn)代電子技術(shù). 2019,42(11)北大核心
【文章頁數(shù)】:3 頁
【部分圖文】:
HDFS原理Fig.1HDFSprinciple
nciple1.2適用于教學資源的HDFS云存儲架構(gòu)本文的目標是將復雜的信息化教學資源通過云存儲技術(shù)進行整合,形成一個共享的教育云存儲服務(wù)。因此,需要設(shè)計一個適用于教學信息化資源管理的HDFS云存儲架構(gòu),其中存儲層通過HDFS完成數(shù)據(jù)的分布式存儲,包括各種形式的教學資源(數(shù)據(jù)源自各個教育機構(gòu)),例如,動畫、PPT、文本文檔等。在本文設(shè)計的云存儲架構(gòu)中,教學資源推薦功能模塊運用LDA主題挖掘模型對海量的網(wǎng)絡(luò)教學資源進行處理,然后將符合學生興趣的教學資源進行推薦展示,如圖2所示。圖2HDFS云存儲架構(gòu)Fig.2HDFScloudstoragearchitecture2基于LDA用戶興趣模型的教學資源推薦方法2.1LDA主題挖掘模型LDA主題挖掘模型作為一種非監(jiān)督的機器學習方法[4],主要由三層的貝葉斯模型構(gòu)成。LDA主題模型生成過程如圖3所示。圖3LDA用戶興趣模型Fig.3LDAuserinterestmodel在圖3中,方框M表示項目集合,方框N表示項目中主題z和關(guān)鍵詞w的集合,α為Dirichlet分布的先驗參數(shù),β為被估計的矩陣參數(shù),θ為某項目中所有主題的概率分布。一個Dirichlet隨機變量θ(k維)的概率密度分布可通過式(1)計算得到[6]:P(θ|α)=Γ()∑i=1kαi∏i=1kΓ(αi)θα1-11…θαk-1k(1)式中Γ()表示一個伽瑪函數(shù)。設(shè)z表示具有N個元素的主題向量,則聯(lián)合分布可通過式(2)計算得到:P(θ,z,w|α,β)=P(θ|α)∏n=1NP(z|nθ)P(w|nzn,β)(2)P(w|α,β)=∫P
?ǜ髦中問降慕萄ё試矗ㄊ?菰醋愿鞲黿逃??構(gòu)),例如,動畫、PPT、文本文檔等。在本文設(shè)計的云存儲架構(gòu)中,教學資源推薦功能模塊運用LDA主題挖掘模型對海量的網(wǎng)絡(luò)教學資源進行處理,然后將符合學生興趣的教學資源進行推薦展示,如圖2所示。圖2HDFS云存儲架構(gòu)Fig.2HDFScloudstoragearchitecture2基于LDA用戶興趣模型的教學資源推薦方法2.1LDA主題挖掘模型LDA主題挖掘模型作為一種非監(jiān)督的機器學習方法[4],主要由三層的貝葉斯模型構(gòu)成。LDA主題模型生成過程如圖3所示。圖3LDA用戶興趣模型Fig.3LDAuserinterestmodel在圖3中,方框M表示項目集合,方框N表示項目中主題z和關(guān)鍵詞w的集合,α為Dirichlet分布的先驗參數(shù),β為被估計的矩陣參數(shù),θ為某項目中所有主題的概率分布。一個Dirichlet隨機變量θ(k維)的概率密度分布可通過式(1)計算得到[6]:P(θ|α)=Γ()∑i=1kαi∏i=1kΓ(αi)θα1-11…θαk-1k(1)式中Γ()表示一個伽瑪函數(shù)。設(shè)z表示具有N個元素的主題向量,則聯(lián)合分布可通過式(2)計算得到:P(θ,z,w|α,β)=P(θ|α)∏n=1NP(z|nθ)P(w|nzn,β)(2)P(w|α,β)=∫P(θ|α)()∏n=1N∑znP(z|nθ)P(w|nzn,β)dθ(3)式中P(z|nθ)是滿足條件zin=1的θ值。2.2用戶興趣的偏好相似度矩陣為了收集學生的興趣愛好信息,需要構(gòu)建學生
【參考文獻】:
期刊論文
[1]基于mRMR和LDA主題模型的文本分類研究[J]. 史慶偉,從世源. 計算機工程與應(yīng)用. 2016(05)
本文編號:3136091
【文章來源】:現(xiàn)代電子技術(shù). 2019,42(11)北大核心
【文章頁數(shù)】:3 頁
【部分圖文】:
HDFS原理Fig.1HDFSprinciple
nciple1.2適用于教學資源的HDFS云存儲架構(gòu)本文的目標是將復雜的信息化教學資源通過云存儲技術(shù)進行整合,形成一個共享的教育云存儲服務(wù)。因此,需要設(shè)計一個適用于教學信息化資源管理的HDFS云存儲架構(gòu),其中存儲層通過HDFS完成數(shù)據(jù)的分布式存儲,包括各種形式的教學資源(數(shù)據(jù)源自各個教育機構(gòu)),例如,動畫、PPT、文本文檔等。在本文設(shè)計的云存儲架構(gòu)中,教學資源推薦功能模塊運用LDA主題挖掘模型對海量的網(wǎng)絡(luò)教學資源進行處理,然后將符合學生興趣的教學資源進行推薦展示,如圖2所示。圖2HDFS云存儲架構(gòu)Fig.2HDFScloudstoragearchitecture2基于LDA用戶興趣模型的教學資源推薦方法2.1LDA主題挖掘模型LDA主題挖掘模型作為一種非監(jiān)督的機器學習方法[4],主要由三層的貝葉斯模型構(gòu)成。LDA主題模型生成過程如圖3所示。圖3LDA用戶興趣模型Fig.3LDAuserinterestmodel在圖3中,方框M表示項目集合,方框N表示項目中主題z和關(guān)鍵詞w的集合,α為Dirichlet分布的先驗參數(shù),β為被估計的矩陣參數(shù),θ為某項目中所有主題的概率分布。一個Dirichlet隨機變量θ(k維)的概率密度分布可通過式(1)計算得到[6]:P(θ|α)=Γ()∑i=1kαi∏i=1kΓ(αi)θα1-11…θαk-1k(1)式中Γ()表示一個伽瑪函數(shù)。設(shè)z表示具有N個元素的主題向量,則聯(lián)合分布可通過式(2)計算得到:P(θ,z,w|α,β)=P(θ|α)∏n=1NP(z|nθ)P(w|nzn,β)(2)P(w|α,β)=∫P
?ǜ髦中問降慕萄ё試矗ㄊ?菰醋愿鞲黿逃??構(gòu)),例如,動畫、PPT、文本文檔等。在本文設(shè)計的云存儲架構(gòu)中,教學資源推薦功能模塊運用LDA主題挖掘模型對海量的網(wǎng)絡(luò)教學資源進行處理,然后將符合學生興趣的教學資源進行推薦展示,如圖2所示。圖2HDFS云存儲架構(gòu)Fig.2HDFScloudstoragearchitecture2基于LDA用戶興趣模型的教學資源推薦方法2.1LDA主題挖掘模型LDA主題挖掘模型作為一種非監(jiān)督的機器學習方法[4],主要由三層的貝葉斯模型構(gòu)成。LDA主題模型生成過程如圖3所示。圖3LDA用戶興趣模型Fig.3LDAuserinterestmodel在圖3中,方框M表示項目集合,方框N表示項目中主題z和關(guān)鍵詞w的集合,α為Dirichlet分布的先驗參數(shù),β為被估計的矩陣參數(shù),θ為某項目中所有主題的概率分布。一個Dirichlet隨機變量θ(k維)的概率密度分布可通過式(1)計算得到[6]:P(θ|α)=Γ()∑i=1kαi∏i=1kΓ(αi)θα1-11…θαk-1k(1)式中Γ()表示一個伽瑪函數(shù)。設(shè)z表示具有N個元素的主題向量,則聯(lián)合分布可通過式(2)計算得到:P(θ,z,w|α,β)=P(θ|α)∏n=1NP(z|nθ)P(w|nzn,β)(2)P(w|α,β)=∫P(θ|α)()∏n=1N∑znP(z|nθ)P(w|nzn,β)dθ(3)式中P(z|nθ)是滿足條件zin=1的θ值。2.2用戶興趣的偏好相似度矩陣為了收集學生的興趣愛好信息,需要構(gòu)建學生
【參考文獻】:
期刊論文
[1]基于mRMR和LDA主題模型的文本分類研究[J]. 史慶偉,從世源. 計算機工程與應(yīng)用. 2016(05)
本文編號:3136091
本文鏈接:http://sikaile.net/jiaoyulunwen/jgkg/3136091.html
最近更新
教材專著