本文關(guān)鍵詞：開(kāi)放網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中的推薦系統(tǒng)研究

  更多相關(guān)文章： 開(kāi)放網(wǎng)絡(luò)學(xué)習(xí)環(huán)境 推薦系統(tǒng) 遺傳算法 多維信息模型

【摘要】：古語(yǔ)云,“秀才不出門(mén),全知天下事”,意思是學(xué)識(shí)淵博的人,即使不出門(mén),也清楚的知道外面的世界所發(fā)生的事情。在遙遠(yuǎn)的過(guò)去,此言猶如癡人說(shuō)夢(mèng)。然而科技的發(fā)展一日千里。計(jì)算機(jī)和計(jì)算機(jī)網(wǎng)絡(luò)的實(shí)現(xiàn),為人們的生活帶來(lái)了天翻地覆的變化,也讓古人的夢(mèng)想在現(xiàn)代得到了實(shí)現(xiàn)。網(wǎng)絡(luò)的普及為每個(gè)人提供了隨時(shí)隨地獲取信息的能力。而開(kāi)放網(wǎng)絡(luò)學(xué)習(xí)環(huán)境(Open Network Learning Environment)作為教育系統(tǒng)中的一顆新星,正冉冉升起。它的出現(xiàn),讓人們不用出門(mén),就能獲取知識(shí)。 然而,信息獲取越來(lái)越便捷,知識(shí)的極速累積,帶來(lái)了一系列的問(wèn)題。信息匱乏的時(shí)代漸漸離我們遠(yuǎn)去,新的時(shí)代是一個(gè)信息過(guò)載(Information Overload)的時(shí)代。獲取信息的可能性已經(jīng)不再是人們關(guān)注的重點(diǎn)。如何慧眼識(shí)珠,從開(kāi)放網(wǎng)絡(luò)學(xué)習(xí)環(huán)境這張龐大的信息知識(shí)網(wǎng)絡(luò)中尋找到用戶所需要的數(shù)據(jù),才是當(dāng)下最大的問(wèn)題。眾所周知,解決信息過(guò)載問(wèn)題的兩個(gè)代表性方案分別是分類目錄和搜索引擎。分類目錄的原理是對(duì)一些比較熱門(mén)的網(wǎng)站進(jìn)行分門(mén)別類。用戶可以一目了然的根據(jù)類別進(jìn)行查找。搜索引擎能根據(jù)關(guān)鍵字,獲取用戶渴求的資源。但搜索引擎的功能也存在著短板,其原因之一是關(guān)鍵字的選擇在搜索過(guò)程中起到了決定性作用。這種過(guò)分依賴在用戶無(wú)法準(zhǔn)確描述自身需求時(shí)制約了搜索引擎的作用。另一方面,僅僅基于關(guān)鍵字的信息檢索具有很大的局限性。對(duì)那些沒(méi)有明確需求的用戶,搜索引擎無(wú)能為力。對(duì)于這些客戶來(lái)說(shuō),最好的解決辦法是有一種自動(dòng)化工具能夠幫忙進(jìn)行信息篩選,提出一些可行的建議以供其選擇。這時(shí)候,推薦系統(tǒng)應(yīng)運(yùn)而生。如何得到資源這一問(wèn)題的解決方案不斷變更,已經(jīng)由單純的直奔主題的檢索過(guò)程逐漸進(jìn)化成了更適應(yīng)用戶使用要求的信息發(fā)現(xiàn)。通過(guò)分析用戶模型,它可以得到用戶偏好信息,然后在推薦對(duì)象模型進(jìn)行匹配,并使用適當(dāng)推薦算法,用于計(jì)算篩選對(duì)應(yīng)特征信息,找到符合用戶興趣的推薦對(duì)象并進(jìn)行推薦。 對(duì)于開(kāi)放網(wǎng)絡(luò)學(xué)習(xí)環(huán)境來(lái)說(shuō),推薦系統(tǒng)是其至關(guān)重要的一個(gè)組成部分。它以歷史學(xué)習(xí)者的行為為依據(jù)來(lái)為現(xiàn)在的使用者提供“智能”推薦服務(wù)。這些推薦可能是一些在線動(dòng)作,比如做一個(gè)練習(xí),閱讀會(huì)議系統(tǒng)上的留言,或者進(jìn)行在線模擬考試,也可能只是網(wǎng)絡(luò)中的一個(gè)材料。材料推薦是推薦系統(tǒng)在學(xué)習(xí)環(huán)境中最重要的應(yīng)用之一。推薦系統(tǒng)借助多個(gè)用戶的意見(jiàn)來(lái)幫助某個(gè)用戶從潛在的大量選擇中確定包含自己感興趣內(nèi)容的材料和項(xiàng)目。適合當(dāng)前學(xué)習(xí)者的階段性學(xué)習(xí)材料也能由推薦系統(tǒng)篩選得到。想在特定方面有所進(jìn)步?學(xué)習(xí)者將會(huì)得到滿意的推薦結(jié)果。開(kāi)放學(xué)習(xí)環(huán)境中材料推薦系統(tǒng)的使用,對(duì)解決個(gè)性化和信息過(guò)載這兩大問(wèn)題也有很大作用。 本論文的特色主要有以下幾點(diǎn)： 1.設(shè)計(jì)完成了一個(gè)混合推薦系統(tǒng)框架,并在實(shí)驗(yàn)過(guò)程中成功將該框架應(yīng)用在日益流行的開(kāi)放網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中。 2.為了得到更好更準(zhǔn)確的推薦,也為了改善現(xiàn)有學(xué)習(xí)系統(tǒng)推薦算法中存在的稀疏性問(wèn)題,本研究把學(xué)習(xí)者和學(xué)習(xí)材料的顯性屬性和隱性屬性結(jié)合成為了一個(gè)統(tǒng)一的模型。本模型包括兩個(gè)模塊。在基于隱性屬性的模塊中,我們使用了遺傳算法,從由歷史評(píng)價(jià)形成的權(quán)重向量中篩選出學(xué)習(xí)者的隱性屬性。而在基于顯性屬性的模塊中,我們引入了偏好矩陣(PM),能在一個(gè)多維空間中以學(xué)習(xí)材料的顯性屬性為基礎(chǔ)對(duì)學(xué)習(xí)者的興趣進(jìn)行建模。 3.本文把遺傳算法和一個(gè)多維信息模型組合成為一個(gè)統(tǒng)一的模型。利用該模型將學(xué)習(xí)者的隱性屬性和顯性屬性進(jìn)行結(jié)合,改善了推薦的質(zhì)量和準(zhǔn)確性,解決了稀疏性問(wèn)題。通過(guò)使用本系統(tǒng),材料提供者可以有方向的提高材料的教學(xué)質(zhì)量,而學(xué)生們可以找到合適的在線學(xué)習(xí)素材。實(shí)驗(yàn)結(jié)果表明,該方法在準(zhǔn)確性度量上優(yōu)于現(xiàn)有算法,同時(shí)能夠緩解“冷啟動(dòng)”和稀疏性問(wèn)題。
【關(guān)鍵詞】：開(kāi)放網(wǎng)絡(luò)學(xué)習(xí)環(huán)境 推薦系統(tǒng) 遺傳算法 多維信息模型
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.3
【目錄】：

• 摘要3-5
• Abstract5-8
• 目錄8-10
• 第一章 緒論10-21
• 1.1 研究背景及選題意義10-13
• 1.2 發(fā)展歷程與國(guó)內(nèi)外研究現(xiàn)狀13-19
• 1.2.1 發(fā)展歷程13-15
• 1.2.2 國(guó)內(nèi)外研究現(xiàn)狀15-19
• 1.3 論文的架構(gòu)19-20
• 1.4 本章小結(jié)20-21
• 第二章 推薦算法研究21-27
• 2.1 傳統(tǒng)推薦算法研究21-25
• 2.2 本文主要工作25-26
• 2.3 本章小結(jié)26-27
• 第三章 基于混合屬性的學(xué)習(xí)材料推薦系統(tǒng)27-47
• 3.1 推薦系統(tǒng)框架簡(jiǎn)介27-29
• 3.2 遺傳算法簡(jiǎn)介29-38
• 3.2.1 產(chǎn)生與發(fā)展29
• 3.2.2 基本思想及重要概念29-31
• 3.2.3 算法步驟31-36
• 3.2.3.1 準(zhǔn)備工作31-35
• 3.2.3.2 主要步驟35-36
• 3.2.4 性能分析36-38
• 3.3 基于遺傳算法的推薦系統(tǒng)38-40
• 3.3.1 隱性屬性的優(yōu)化38-40
• 3.3.2 推薦過(guò)程40
• 3.4 基于多維信息模型的推薦系統(tǒng)40-45
• 3.4.1 多維信息建模40-43
• 3.4.2 推薦過(guò)程43-45
• 3.5 混合推薦45
• 3.6 本章小結(jié)45-47
• 第四章 實(shí)驗(yàn)結(jié)果及分析47-54
• 4.1 衡量指標(biāo)和實(shí)驗(yàn)數(shù)據(jù)集47-48
• 4.2 參數(shù)設(shè)置48-51
• 4.2.1 IAB-CF參數(shù)48-50
• 4.2.2 領(lǐng)域尺寸50
• 4.2.3 權(quán)重系數(shù)α50-51
• 4.3 性能比較51-53
• 4.4 本章小結(jié)53-54
• 第五章 結(jié)束語(yǔ)54-56
• 參考文獻(xiàn)56-61
• 致謝61-62
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文目錄62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 方俊;;電子商務(wù)系統(tǒng)商品推薦方法淺析[J];大眾科技;2010年08期

2 李倩;詹浩;鄧陽(yáng)平;;基于遺傳算法的旋轉(zhuǎn)機(jī)翼飛機(jī)機(jī)翼優(yōu)化設(shè)計(jì)[J];航空計(jì)算技術(shù);2008年06期

3 劉平峰;聶規(guī)劃;陳冬林;;基于知識(shí)的電子商務(wù)智能推薦系統(tǒng)平臺(tái)設(shè)計(jì)[J];計(jì)算機(jī)工程與應(yīng)用;2007年19期

4 馬宏偉;張光衛(wèi);李鵬;;協(xié)同過(guò)濾推薦算法綜述[J];小型微型計(jì)算機(jī)系統(tǒng);2009年07期

5 李德勝;張才仙;陳淑銘;;選擇策略對(duì)進(jìn)化算法性能的影響[J];科技資訊;2007年11期

，

本文編號(hào)：744128