隨著移動互聯(lián)網(wǎng)的快速發(fā)展,我們進入大數(shù)據(jù)背景下信息大爆炸的時代。互聯(lián)網(wǎng)與其他產(chǎn)業(yè)的融合推動著科技的進步和社會的發(fā)展,如互聯(lián)網(wǎng)+教育、互聯(lián)網(wǎng)+醫(yī)療、互聯(lián)網(wǎng)+金融等。人們身邊充斥著大量的數(shù)據(jù)信息,出現(xiàn)了信息過載的問題。為了降低此問題給人們帶來的困擾,推薦系統(tǒng)應運而生。推薦系統(tǒng)它的本質(zhì)在于在用戶沒有明確的需求情況下,從海量的信息中尋找用戶會感興趣的信息,大大地提升了信息的分發(fā)和獲取的效率。如今,人工智能產(chǎn)業(yè)全球化勢不可擋,IT行業(yè)進一步發(fā)展,IT人才的短缺現(xiàn)象越來越嚴重。傳統(tǒng)課堂教學存在時間、空間、教育資源的局限性,已不能為企業(yè)培養(yǎng)優(yōu)秀的工作者。于是,線上學習日漸流行,成為多數(shù)學生豐富自身技能的新途徑。然而,許多線上學習平臺雖打破了時間和空間條件的限制,并提供了豐富的學習資源,但沒有針對學生進行個性化培養(yǎng),也未能及時檢驗學生學習情況。近年來,推薦系統(tǒng)已廣泛應用在電商網(wǎng)站、視頻網(wǎng)站、咨詢和生活服務類平臺,效果顯著。將推薦系統(tǒng)應用于學習網(wǎng)站,關(guān)注學生用戶學習習慣與內(nèi)容傾向,針對不同的學生推薦不同的學習資源,會大大提升學生用戶的體驗度和學習效率。此外,社會化推薦作為推薦系統(tǒng)研究領(lǐng)域較為活躍的方向之... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

推薦系統(tǒng)的架構(gòu)圖

第2章相關(guān)技術(shù)介紹10喜好，就無法為其推薦。這就會造成用戶冷啟動的問題。2.2.2協(xié)同過濾推薦算法協(xié)同過濾推薦算法(CollaborativeFilteringRecommendation)是應用最早且較為成功的推薦算法，是一種集體智慧的體現(xiàn)。該算法憑借系統(tǒng)已有用戶信息，來推薦相近的用戶會對哪些東西感興趣。主要的功能是預測和推薦。協(xié)同過濾推薦算法[20]較為常見的有三種，分別是基于用戶的協(xié)同過濾算法(user-basedcollaborativefiltering)，基于物品的協(xié)同過濾算法(item-basedcollaborativefiltering)，和基于模型的推薦算法(model-basedcollaborativefiltering)。協(xié)同過濾體現(xiàn)了物以類聚，人以群分的思想。用戶-物品的評分矩陣是輸入，N項的推薦列表和預測的項目評價是輸出。協(xié)同過濾算法如圖2.2所示：圖2.2協(xié)同過濾算法2.2.2.1基于用戶的協(xié)同過濾基于用戶的協(xié)同過濾算法需要關(guān)注的是不同用戶之間存在的相似性，在找到用戶偏好的物品，并對評分進行預測之后，就可以給用戶推薦那些評分比較高的物品了。基于用戶的協(xié)同過濾算法可以分為兩部分：一是找出與目標用戶具有相近偏好興趣的用戶群體；二是找到這個用戶群體中用戶比較喜歡的，而目標用戶

第3章需求分析193.1.3功能需求分析該平臺意在讓大學生學習IT知識，進行編程實踐，主要適用對象定位全國范圍內(nèi)大學高校的計算機學院、軟件學院、人工智能學院，供師生使用。目的打破教學資源題庫數(shù)量不夠的瓶頸，打破學校試卷評分判斷學生優(yōu)異與否的桎梏，打破編程教學中的硬件服務支持不足的阻礙。平臺設(shè)計基于openstack平臺，Java語言為開發(fā)語言，mysql作為數(shù)據(jù)庫，使用Jquery、Ajax、Html、JavaScript、Json、Css、Springboots、SpringMVC、Mybatis、Spring、Maven等技術(shù)實現(xiàn)一個全面的題庫化個性化的演練平臺。學習方向包括了通用的IT技術(shù)，互聯(lián)網(wǎng)開發(fā)主流技術(shù)棧和優(yōu)質(zhì)的實驗平臺環(huán)境，綜合性算法項目實踐。主要完成對學生的個性化定制實踐課程及自我測驗，同學間的對抗比拼，課后對學生學習資源的推薦。各類技術(shù)課程均采取分階段性學習，從基礎(chǔ)到進階再到提高，每個階段學習前都有考試評測，測評通過才可進入下一階段的學習與挑戰(zhàn)。幫助學生積極學習專業(yè)知識，提升自己專業(yè)素養(yǎng)，幫助老師、學校掌握培養(yǎng)的學生未來發(fā)展空間。本平臺從功能角色入手分析整體需求，并通過用例圖對角色具備的功能進行逐步樹立和分析，描述了平臺為教師和學生兩個角色用戶提供的多種功能。用例圖設(shè)計如圖3.1所示：圖3.1用例圖設(shè)計

【參考文獻】：
期刊論文
[1]結(jié)合概率矩陣分解的混合型推薦算法[J]. 楊豐瑞,鄭云俊,張昌.  計算機應用. 2018(03)
[2]簡化的Slope One在線評分預測算法[J]. 孫麗梅,李悅,Ejike Ifeanyi Michael,曹科研.  計算機應用. 2018(02)
[3]推薦系統(tǒng)研究進展[J]. 朱揚勇,孫婧.  計算機科學與探索. 2015(05)
[4]互聯(lián)網(wǎng)思維與傳統(tǒng)企業(yè)再造[J]. 李海艦,田躍新,李文杰.  中國工業(yè)經(jīng)濟. 2014(10)
[5]基于社會網(wǎng)絡(luò)協(xié)同過濾的社會化電子商務推薦研究[J]. 琚春華,鮑福光,許翀寰.  電信科學. 2014(09)
[6]大規(guī)模網(wǎng)絡(luò)開放課程（MOOC）典型項目特征分析及啟示[J]. 王穎,張金磊,張寶輝.  遠程教育雜志. 2013(04)
[7]社會化推薦研究進展[J]. 何鐵科,陳振宇,劉嘉,駱斌.  計算機與數(shù)字工程. 2012(11)
[8]推薦系統(tǒng)中的冷啟動問題研究綜述[J]. 孫冬婷,何濤,張福海.  計算機與現(xiàn)代化. 2012(05)
[9]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平.  計算機工程與應用. 2012(07)
[10]基于混合推薦技術(shù)的推薦模型[J]. 張馳,陳剛,王慧敏.  計算機工程. 2010(22)



本文編號：3474077