隨著大數(shù)據(jù)時(shí)代,特別是“互聯(lián)網(wǎng)+”的到來,信息過濾成為人們必須面對的問題。對于用戶不明確或難以表達(dá)的需求,推薦系統(tǒng)通過分析用戶動(dòng)態(tài)和靜態(tài)數(shù)據(jù),更加主動(dòng)、智能地過濾信息,從而向用戶展示他們潛在需求的東西。這一特性使得推薦系統(tǒng)在教育教學(xué)領(lǐng)域有著重要的作用。本文從推薦系統(tǒng)入手,深入探討大數(shù)據(jù)處理技術(shù),分析列舉了一系列推薦算法及應(yīng)用。嘗試從閱讀行為數(shù)據(jù)入手,構(gòu)建學(xué)生的高階閱讀行為,作為教學(xué)輔助。本文依托Spark大數(shù)據(jù)平臺(tái),設(shè)計(jì)了一套集數(shù)據(jù)存儲(chǔ),數(shù)據(jù)清洗,個(gè)性化推薦的大數(shù)據(jù)推薦系統(tǒng),并詳細(xì)闡述了其主要功能的實(shí)現(xiàn)方法。本文構(gòu)建了學(xué)生行為特征的多層次模型并生成學(xué)生的學(xué)習(xí)行為畫像,在這基礎(chǔ)上測試了高階學(xué)習(xí)行為的加入對基于近鄰的協(xié)同過濾算法有一定的提升,因此嘗試將學(xué)生閱讀行為的一些特征相似性融合到了隱語意模型中,提出了BSSVD++（Behaviour Combined SVD++）算法,并在現(xiàn)有的數(shù)據(jù)集上分別進(jìn)行橫向、縱向比較,獲得了較好的模型和參數(shù)。研究結(jié)果表明本文提出的這種基于個(gè)人閱讀習(xí)慣特征的個(gè)性化推薦系統(tǒng)能夠合理有效地利用學(xué)生的閱讀行為數(shù)據(jù),較為精準(zhǔn)的定位學(xué)生的閱讀習(xí)慣和閱讀風(fēng)格,實(shí)現(xiàn)個(gè)性化... 

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景與研究意義
    1.2 研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 本文結(jié)構(gòu)
第2章 相關(guān)概念及技術(shù)
    2.1 引言
    2.2 推薦系統(tǒng)研究
        2.2.1 基于內(nèi)容的推薦算法
        2.2.2 協(xié)同過濾
    2.3 基于模型的協(xié)同過濾
        2.3.1 基于聚類的協(xié)同過濾
        2.3.2 基于矩陣分解的協(xié)同過濾
    2.4 Spark大數(shù)據(jù)處理框架研究
        2.4.1 Spark處理框架與RDD
        2.4.2 Hive
        2.4.3 ETL技術(shù)
    2.5 本章小結(jié)
第3章 學(xué)生畫像建模與推薦算法設(shè)計(jì)
    3.1 引言
    3.2 閱讀行為數(shù)據(jù)以及背景簡介
    3.3 用戶畫像構(gòu)建
    3.4 基于學(xué)生閱讀行為的用戶畫像框架
        3.4.1 第一層:初始交互數(shù)據(jù)
        3.4.2 第二層:低階特征提取
        3.4.3 第三層:高階特征提取
    3.5 推薦算法設(shè)計(jì)
        3.5.1 基于內(nèi)容的推薦
        3.5.2 基于鄰域的協(xié)同過濾
    3.6 融合學(xué)生學(xué)習(xí)行為特征的SVD分解
        3.6.1 學(xué)生閱讀行為相似性特征矩陣
        3.6.2 融合算法推導(dǎo)
    3.7 本章小結(jié)
第4章 閱讀推薦系統(tǒng)實(shí)現(xiàn)
    4.1 系統(tǒng)設(shè)計(jì)
        4.1.1 系統(tǒng)架構(gòu)
        4.1.2 系統(tǒng)需求分析與設(shè)計(jì)
        4.1.3 數(shù)據(jù)的增量導(dǎo)入
    4.2 系統(tǒng)及其關(guān)鍵功能實(shí)現(xiàn)和展示
        4.2.1 Spark集群的搭建
        4.2.2 數(shù)據(jù)增量導(dǎo)入實(shí)現(xiàn)
    4.3 數(shù)據(jù)倉庫搭建以及操作
    4.4 用戶畫像模塊與推薦引擎
    4.5 工作調(diào)度
    4.6 本章小結(jié)
第5章 實(shí)驗(yàn)分析
    5.1 數(shù)據(jù)集與預(yù)處理
    5.2 用戶畫像建立
    5.3 推薦算法模塊
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)據(jù)平臺(tái)的圖書館畢業(yè)季服務(wù)實(shí)踐研究——以暨南大學(xué)圖書館為例[J]. 都藍(lán),肖麗萍,李賓.  圖書情報(bào)工作. 2015(22)
[2]基于OPAC統(tǒng)計(jì)數(shù)據(jù)的借閱率提升策略探討[J]. 孟德泉,董穎,沙婭弘,孟桂榮.  大學(xué)圖書館學(xué)報(bào). 2014(05)

博士論文
[1]基于認(rèn)知診斷的學(xué)生作答行為建模方法及應(yīng)用研究[D]. 吳潤澤.中國科學(xué)技術(shù)大學(xué) 2018



本文編號(hào)：3712481