在使用在線教育平臺學(xué)習(xí)過程中,大量的學(xué)習(xí)資源會給學(xué)習(xí)者帶來學(xué)習(xí)迷航、知識過載等問題,為了給學(xué)習(xí)者提供更好的學(xué)習(xí)服務(wù),進(jìn)行個(gè)性化學(xué)習(xí)資源的推薦是應(yīng)對這兩個(gè)問題的重要解決方案。近年來,推薦系統(tǒng)已經(jīng)滲透到多種信息行業(yè)中,例如電商、資訊等,學(xué)習(xí)資源的推薦與新聞、商品推薦有許多相似之處,但又有著其獨(dú)特的限制與需求。在其他推薦領(lǐng)域的實(shí)踐證明,用戶之間的社交關(guān)系可以提高推薦效果,而在線教育平臺同樣提供討論區(qū)等用戶交互場景,教育數(shù)據(jù)包含社交關(guān)系。為此,本文進(jìn)行了信任關(guān)系輔助的在線教育資源推薦方法研究,包括:在線教育平臺信任建模方法研究、基礎(chǔ)教育資源推薦方法研究和基于信任關(guān)系的推薦方法研究。在線教育平臺信任建模是本文的研究基礎(chǔ),支撐后續(xù)基于信任推薦方法的設(shè)計(jì)與實(shí)現(xiàn)。為了解決了在線教育平臺信任關(guān)系提取、信任網(wǎng)絡(luò)的構(gòu)建、信任網(wǎng)絡(luò)的擴(kuò)張這三個(gè)信任建模過程中的核心問題,本文定義了由信任度、可靠度組成的二維信任意見,基于環(huán)論定義了信任意見的聚合與擴(kuò)張基本運(yùn)算,并利用環(huán)的性質(zhì)設(shè)計(jì)實(shí)現(xiàn)信任建模算法并進(jìn)行優(yōu)化,建立可解釋的、信息豐富的信任網(wǎng)絡(luò)。進(jìn)行學(xué)習(xí)資源協(xié)同過濾推薦方法的研究是因?yàn)榛谛湃蔚耐扑]具有局限性,只關(guān)注于社交...

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-2基于信任關(guān)系輔助的在線教育資源推薦方法研究框架圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文體到在線教育環(huán)境中的信任建模，會面臨著更嚴(yán)重的交互矩陣稀疏問題，但同時(shí)豐富的用戶信號可以用于信任模型的完善。在線教育平必須結(jié)合這些特點(diǎn)，從信任信號的提取，到信任網(wǎng)絡(luò)的豐富，再到信衡量都要滿足教育場景的限制與需求，本文提出的建模方法將會從細(xì)展開。文研究....

圖2-1信任運(yùn)算示意圖

可靠性可以通過平臺用戶評分、iv文具體介紹。上定義運(yùn)算和⊕分別代表信任意見的)(,)=tr，其中abr=rr，若at<0且bt<0)(,)br=tr，其中(,)abr=maxrr，若abr>r)(,)bab....

圖2-35%數(shù)據(jù)測試集下信任模型指標(biāo)

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文。因此，模型的性能與traintestSS成正相關(guān)。

圖2-410%數(shù)據(jù)測試集下信任模型指標(biāo)2.距離衰減因子的影響

-25-圖2-410%數(shù)據(jù)測試集下信任模型指標(biāo)距離衰減因子的影響公式(2-4)的定義中可以發(fā)現(xiàn)，當(dāng)經(jīng)過的跳數(shù)越高，可靠度衰減越多，到閾值后，會停止迭代，這是為了應(yīng)對長距離推測時(shí)噪聲過大的問題2-4可以看到，衰減系數(shù)α從0.80到0.95之間變化，每次增加0....

本文編號：4023840