本文關鍵詞：基于社會化標簽和混合模式的教學資源個性化推薦系統(tǒng)的設計，由筆耕文化傳播整理發(fā)布。

【摘要】：伴隨著網絡時代的大發(fā)展,人們要在浩如煙海的網絡數據中,發(fā)現(xiàn)自己感興趣的數據越來越難。而個性化推薦系統(tǒng),為解決這一問題提供了一個非常好的思路。它可以通過顯性或隱性的方式收集信息來產生個性化的推薦。雖然,由于人們在個性化推薦方面已經做出了大量的研究。但是,個性化系統(tǒng)還是在預測方面存在很大的不足,特別是在對用戶模型的預測方面。為此我們引入了社會化標簽系統(tǒng)。 而作為web2.0的代表技術之一的社會化標簽系統(tǒng),也在信息的標注方面取得了不錯的成效,并已經成功的應用于網絡的很多方面。社會化標簽系統(tǒng),不僅能夠完成對網絡數據的較為合理的分類。它的社會化特性,使得我們能夠從中間挖掘出很多的潛在用戶信息以及用戶的社會化關系。 本文主要是提供了一種基于社會化標簽的混合推薦系統(tǒng)。它的核心思想主要集中在以下幾個方面： 1、首先,用戶基本模型和資源基本模型的建立。它是采用基于用戶-標簽、資源-標簽的權重矩陣來表示的,而這些權重的提取時基于TF-IDF的文本信息提取技術。 2、其次,同義詞提取技術。為了使得標簽能夠更為準確反映真實的信息,本文對得到的數據進行了同義詞提取環(huán)節(jié)。 3、再次,對社會化屬性的挖掘。為了挖掘出標簽系統(tǒng)中潛在的用戶與用戶的關系,本文使用了基于關聯(lián)數據挖掘算法Apriori對其社會屬性進行挖掘。這樣做的目的是為了提高用戶模型表示的準確性。 4、還有,采用基于興趣的方式進行個性化推薦。為了更為準確的預測用戶的模型,采用了聚類算法將標簽聚類。在聚類的基礎上預測,一般會達到更為準確的效果。 5、最后,在預測的用戶模型的基礎上,采用基于內容和基于協(xié)同過濾的混合技術產生個性化的。 通過本文的研究,提出了一個教學資源個性化推薦系統(tǒng)的模型,和一些具體實現(xiàn)需要的細節(jié),提供了一種比較新穎的系統(tǒng)結構來實現(xiàn)個性化的教學資源推薦(例如在用戶模型的預測方面,是將兩種數據挖掘技術結合起來,這樣使得得到的用戶模型可能更為準確)。只需要對其進行少量的修改,它便可以應用于其他方向的個性化推薦。
【關鍵詞】：社會化標簽 個性化推薦 混合模式 同義詞 關聯(lián)規(guī)則 聚類 協(xié)同過濾 教學資源
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP391.3;G434
【目錄】：

• 致謝5-6
• 中文摘要6-8
• ABSTRACT8-10
• 目錄10-13
• 1 緒論13-19
• 1.1 選題背景13-15
• 1.1.1 學習型社會的興起13
• 1.1.2 海量數據涌現(xiàn)13-14
• 1.1.3 個性化推薦系統(tǒng)在電子商務的成功14-15
• 1.2 國內外研究的現(xiàn)狀15-16
• 1.2.1 個性化推薦系統(tǒng)研究現(xiàn)狀15-16
• 1.3 研究內容和意義16-17
• 1.3.1 研究內容16-17
• 1.3.2 研究意義17
• 1.4 本章小結17-19
• 2 個性化推薦系統(tǒng)的理論基礎19-33
• 2.1 推薦系統(tǒng)綜述19-20
• 2.1.1 推薦系統(tǒng)概述19-20
• 2.2 個性化推薦系統(tǒng)的分類20-30
• 2.2.1 基于內容的個性化推薦20-22
• 2.2.2 基于關聯(lián)規(guī)則的個性化推薦22-24
• 2.2.3 基于數據挖掘的個性化推薦24-25
• 2.2.4 基于協(xié)同過濾的個性化推薦25-28
• 2.2.5 基于混合模式的個性化推薦28-30
• 2.3 本文的混合模式的個性化推薦的介紹30-32
• 2.3.1 個性化推薦系統(tǒng)混合方式的選擇30-31
• 2.3.2 混合模式帶來的好處31-32
• 2.4 本章小結32-33
• 3 社會化標簽系統(tǒng)研究與應用33-38
• 3.1 社會化標簽系統(tǒng)的概述33-35
• 3.2 社會化標簽系統(tǒng)的應用35-36
• 3.2.1 社會化標簽系統(tǒng)實際中的應用35
• 3.2.2 社會化標簽系統(tǒng)的社會特性35-36
• 3.2.3 社會標簽系統(tǒng)的動態(tài)更新36
• 3.2.4 社會化標簽與知識共享36
• 3.3 本章小結36-38
• 4 用戶和資源建模38-54
• 4.1 建模的簡介38-39
• 4.2 建模數據的收集39-40
• 4.3 建模的分類40-43
• 4.3.1 基于向量空間模型的建模技術41
• 4.3.2 基于評分矩陣的建模技術41
• 4.3.3 基于案例的建模技術41-42
• 4.3.4 基于神經網絡的建模技術42
• 4.3.5 基于本體的建模技術42-43
• 4.4 建模技術的選擇43
• 4.5 選擇標簽系統(tǒng)的原因43-44
• 4.6 用戶建模44-53
• 4.6.1 用戶建模思想44-45
• 4.6.2 用戶模型的初步建立45-46
• 4.6.3 資源建模思想46
• 4.6.4 同義標簽的提取46-48
• 4.6.5 社會特性的反映48-49
• 4.6.6 基于興趣組的建模49-53
• 4.7 本章小結53-54
• 5 個性化推薦系統(tǒng)的架構和算法的設計54-59
• 5.1 個性化推薦系統(tǒng)的結構54-55
• 5.2 用戶模型的進一步預測55-57
• 5.3 推薦的實現(xiàn)57-58
• 5.3.1 直接基于內容推薦57
• 5.3.2 基于協(xié)同過濾的推薦57
• 5.3.3 個性化推薦的結果輸出57-58
• 5.4 本章小結58-59
• 6 總結和展望59-61
• 6.1 研究總結59
• 6.2 研究展望59-61
• 參考文獻61-64
• 作者簡歷64-66
• 學位論文數據集66

【參考文獻】

中國期刊全文數據庫 前3條

1 陳新中,李巖,謝永紅,楊炳儒;Web挖掘研究[J];計算機工程與應用;2002年13期

2 孫鐵利,楊鳳芹;根據用戶隱式反饋建立和更新用戶興趣模型[J];東北師大學報(自然科學版);2003年03期

3 熊馨,王衛(wèi)平,葉躍祥;基于概念分層的個性化推薦算法[J];計算機應用;2005年05期

中國碩士學位論文全文數據庫 前4條

1 黃海江;基于本體的學習內容個性化推薦[D];湖南大學;2007年

2 楊麟兒;基于用戶興趣的個性化推薦系統(tǒng)的研究與設計[D];北京交通大學;2008年

3 張帆;WEB數據挖掘在商務網站中的應用實踐[D];山東大學;2007年

4 張海鵬;基于Web日志挖掘的個性化推薦研究[D];重慶大學;2007年

  本文關鍵詞：基于社會化標簽和混合模式的教學資源個性化推薦系統(tǒng)的設計，由筆耕文化傳播整理發(fā)布。

，

本文編號：337689