【摘要】：在線學(xué)習(xí)具有不受時間、空間限制,并且可以讓用戶根據(jù)自身情況,重復(fù)學(xué)習(xí)某些重點難點,根據(jù)學(xué)生自身知識水平、興趣愛好來選擇學(xué)習(xí)內(nèi)容等優(yōu)點。隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和各種在線學(xué)習(xí)資源的不斷增加,在線學(xué)習(xí)變得越來越普遍。然而,隨著在線學(xué)習(xí)資源量越來越大,用戶獲取有效學(xué)習(xí)資源的難度逐漸增加,如何讓學(xué)生快速獲得對自身有價值的資源成為目前的研究熱點之一。個性化推薦技術(shù)作為一種能夠快速有效的解決信息過載問題手段,能夠快速、及時、準確的幫助人們從海量信息資源中獲得目標資源。該項技術(shù)目前已經(jīng)在電子商務(wù)領(lǐng)域得到了成功運用,但在線教育領(lǐng)域的個性化推薦仍有待發(fā)展。本文以某在線托福/雅思作文寫作網(wǎng)站平臺為基礎(chǔ),研究學(xué)習(xí)目前存在的多種推薦算法,包括協(xié)同過濾、基于內(nèi)容推薦和混合推薦算法。首先,對這幾種推薦算法進行了詳細分析研究,然后結(jié)合算法的優(yōu)點和推薦算法的實際應(yīng)用場景,以新老用戶為區(qū)分,針對不同用戶使用不同推薦方法;最后組合成一種混合推薦算法來設(shè)計寫作習(xí)題推薦系統(tǒng)的推薦引擎。該算法,一方面以用戶寫作得分填充用戶-物品評分矩陣,對于矩陣中的缺省值,以具有較高可信度的雅思/托福官方平均得分來代替。這些評分數(shù)據(jù)的加入可以在一定程度上解決數(shù)據(jù)稀疏的問題。另一方面,根據(jù)用戶在注冊時候填寫的個人信息,來判斷用戶背景信息,通過計算新用戶與老用戶之間的背景相似程度,為新用戶進行寫作習(xí)題的推薦。最后通過實驗,將傳統(tǒng)協(xié)同過濾算法結(jié)果與以平均得分填充項目-評分矩陣推薦算法結(jié)果進行對比。實驗結(jié)果證明,本文提出方法的推薦效果優(yōu)于傳統(tǒng)推薦算法。
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.3;TP311.52
【圖文】：

時間／年逡逑圖１－１推薦系統(tǒng)領(lǐng)域相關(guān)論文發(fā)表數(shù)量逡逑由圖１－１的數(shù)據(jù)可以看出，自１９９２年至今，研究推薦系統(tǒng)及相關(guān)理論的論文逡逑數(shù)量呈現(xiàn)出了快速增長的趨勢。顯然，推薦系統(tǒng)是眾多相關(guān)研究人員的關(guān)注重點。逡逑隨著推薦系統(tǒng)相關(guān)理論逐漸成熟，推薦技術(shù)目前己經(jīng)被廣泛的運用在包括電逡逑子商務(wù)、電影和視頻、音樂、社交網(wǎng)絡(luò)等諸多領(lǐng)域。下面分別列舉各個領(lǐng)域最具逡逑代表性的應(yīng)用實例加以分析Ｉ＇逡逑（丨）電子商務(wù)：電子商務(wù)網(wǎng)站是較早運用個性化推薦技術(shù)的領(lǐng)域，也是該技逡逑術(shù)運用最成功的場景之一。該領(lǐng)域最著名的是亞馬遜，推薦系統(tǒng)的應(yīng)用包括了亞逡逑馬遜的各類產(chǎn)品，其中最主要的就是個性化商品推薦列表和相關(guān)商品的推薦列表。逡逑亞馬遜前科學(xué)家Ｇｒｅｇ邋Ｌｉｎｄｅｎ稱在他離開亞馬遜時，該網(wǎng)站至少２０％的銷售逡逑額來自于推薦系統(tǒng)。由此也可以進一步看出推薦系統(tǒng)的實際運用價值。亞馬遜在逡逑其網(wǎng)站系統(tǒng)中采用了基于物品和基于社交網(wǎng)絡(luò)好友的推薦方式來想用戶推薦各逡逑種商品。逡逑（２）電影和視頻：Ｎｅｔｆｌｉｘ是在電影和視頻領(lǐng)域?qū)⑼扑]系統(tǒng)運用最為成功的逡逑公司。Ｎｅｔｆｌｉｘ是一家十分注重推薦技術(shù)發(fā)展的公司，其在２００６年開始舉辦的逡逑Ｎｅｔｆｌｉｘ邋Ｐｒｉｚｅ推薦系統(tǒng)比賽對推薦系統(tǒng)的發(fā)展起到了重要的推動作用⑴】

否向該用戶推薦某條新聞�；趦�(nèi)容推薦的缺點也很明顯，對于難以提取信息特逡逑征的資源推薦結(jié)果較差，例如音樂和視頻。逡逑基于內(nèi)容推薦的系統(tǒng)流程圖如圖２－２所示［１５］。逡逑廣—＾邋ｆｉＳｓｉｌＬ邐、廣逡逑■民「：邋ｊｇ［Ｔｊ逡逑榋訂％邐」］文邐４焌逡逑、￣一，＇邐＾邋＜］邋邐，邋．、逡逑ｇｊ邐（邋｜歆）逡逑ｒｔ｜ｉ｜邋ｙ邐ｊ邋Ｊ邐ｙ逡逑物品ｉ＇＂、邐ｉ邋推薦結(jié)果邐�。郏蒎义稀�，夕邐Ｌ—過濾」－－：逡逑圖２－２基于內(nèi)容推薦的系統(tǒng)流程圖逡逑基于內(nèi)容的推薦主要包括三個步驟：逡逑第一步，特征信息獲取。逡逑被推薦的物品往往具有一些可以描述自身的信息屬性。通常分為結(jié)構(gòu)化屬性逡逑與非結(jié)構(gòu)化屬性。結(jié)構(gòu)化屬是指具有比較明確意義的屬性，例如物品的名稱、逡逑類別等；非結(jié)構(gòu)化屬性往往沒有明確意義。比如物品的描述信息。對于結(jié)構(gòu)化數(shù)逡逑據(jù)，一般可以直接使用；非結(jié)構(gòu)化數(shù)據(jù)，要先轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)之后才能進行進逡逑一步分析。逡逑在新聞系統(tǒng)中，為了詳細說明非結(jié)構(gòu)化數(shù)據(jù)這一概念，首先引入向量空間模逡逑型這一概念。把包含多條新聞表示為一個集合：Ｃ邋＝邋｛ｑ，ｃ２，．．．ｃ，Ｊ，ｎ表示文章數(shù)逡逑量

歡的資源或者物品類似的資源，再將資源或者物品推薦給目標用戶。首先計算兩逡逑個物品之間的相似度，選取與該用戶喜歡的物品具有較高相似度的物品作為鄰居逡逑集，構(gòu)成相近的物品資源列表推薦給用戶。工作基本原理圖如下圖２４所示。逡逑Ｘ邋＼邋ｉ資源Ａ邋）邋＼逡逑／＼邋Ｖ＼邐資源Ｂ邋ｊ邋Ｉ逡逑資源ｃ），推薦逡逑圖２－４邋ＩＢＣＦ算法基本原理逡逑如圖所示，用戶Ａ喜歡資源Ａ和資源Ｃ，用戶Ｂ喜歡資源Ａ、Ｂ、Ｃ，用逡逑戶Ｄ喜歡資源Ａ；分析用戶喜好可以看出Ａ和Ｃ是相似用戶，因此可以向逡逑喜歡資源Ａ的用戶推薦資源Ｃ。逡逑ＵＢＣＦ算法和ＩＢＣＦ算法的重點都是相似度計算１１６］。差別在于二者的關(guān)注逡逑點不同，前者以用戶興趣為分析重點，以用戶之間的相似性作為推薦基礎(chǔ)；逡逑而后者重點進行計算物品的相似度，根據(jù)相似度進行物品推薦。表２－１給出逡逑ＵＢＣＦ和ＩＢＣＦ的優(yōu)缺點對比：逡逑１１逡逑

【參考文獻】

相關(guān)期刊論文 前6條

1 宮志晨;李學(xué)俊;張晶晶;張以文;劉慧婷;;基于多向測度和屬性相似度的混合協(xié)同過濾[J];計算機應(yīng)用與軟件;2015年06期

2 于洪;李俊華;;一種解決新項目冷啟動問題的推薦算法[J];軟件學(xué)報;2015年06期

3 趙良輝;熊作貞;;電子商務(wù)推薦系統(tǒng)綜述及發(fā)展研究[J];電子商務(wù);2013年12期

4 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報;2009年02期

5 周軍鋒,湯顯,郭景峰;一種優(yōu)化的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2004年10期

6 鄧愛林,朱揚勇,施伯樂;基于項目評分預(yù)測的協(xié)同過濾推薦算法[J];軟件學(xué)報;2003年09期

相關(guān)碩士學(xué)位論文 前3條

1 張月蓉;基于混合推薦的電影推薦系統(tǒng)的研究與實現(xiàn)[D];安徽大學(xué);2013年

2 王立軍;基于協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)稀疏性問題研究[D];東北師范大學(xué);2009年

3 石昌顯;結(jié)合用戶背景信息的協(xié)同過濾推薦算法研究[D];蘭州大學(xué);2009年

本文編號：2785788