發(fā)布時間：2017-08-27 03:21

  本文關(guān)鍵詞：開放網(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】：古語云,“秀才不出門,全知天下事”,意思是學(xué)識淵博的人,即使不出門,也清楚的知道外面的世界所發(fā)生的事情。在遙遠(yuǎn)的過去,此言猶如癡人說夢。然而科技的發(fā)展一日千里。計算機和計算機網(wǎng)絡(luò)的實現(xiàn),為人們的生活帶來了天翻地覆的變化,也讓古人的夢想在現(xiàn)代得到了實現(xiàn)。網(wǎng)絡(luò)的普及為每個人提供了隨時隨地獲取信息的能力。而開放網(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,就能獲取知識。 然而,信息獲取越來越便捷,知識的極速累積,帶來了一系列的問題。信息匱乏的時代漸漸離我們遠(yuǎn)去,新的時代是一個信息過載(Information Overload)的時代。獲取信息的可能性已經(jīng)不再是人們關(guān)注的重點。如何慧眼識珠,從開放網(wǎng)絡(luò)學(xué)習(xí)環(huán)境這張龐大的信息知識網(wǎng)絡(luò)中尋找到用戶所需要的數(shù)據(jù),才是當(dāng)下最大的問題。眾所周知,解決信息過載問題的兩個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一些比較熱門的網(wǎng)站進(jìn)行分門別類。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程中起到了決定性作用。這種過分依賴在用戶無法準(zhǔn)確描述自身需求時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。對那些沒有明確需求的用戶,搜索引擎無能為力。對于這些客戶來說,最好的解決辦法是有一種自動化工具能夠幫忙進(jìn)行信息篩選,提出一些可行的建議以供其選擇。這時候,推薦系統(tǒng)應(yīng)運而生。如何得到資源這一問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)。通過分析用戶模型,它可以得到用戶偏好信息,然后在推薦對象模型進(jìn)行匹配,并使用適當(dāng)推薦算法,用于計算篩選對應(yīng)特征信息,找到符合用戶興趣的推薦對象并進(jìn)行推薦。 對于開放網(wǎng)絡(luò)學(xué)習(xí)環(huán)境來說,推薦系統(tǒng)是其至關(guān)重要的一個組成部分。它以歷史學(xué)習(xí)者的行為為依據(jù)來為現(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作,比如做一個練習(xí),閱讀會議系統(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)借助多個用戶的意見來幫助某個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)者將會得到滿意的推薦結(jié)果。開放學(xué)習(xí)環(huán)境中材料推薦系統(tǒng)的使用,對解決個性化和信息過載這兩大問題也有很大作用。 本論文的特色主要有以下幾點： 1.設(shè)計完成了一個混合推薦系統(tǒng)框架,并在實驗過程中成功將該框架應(yīng)用在日益流行的開放網(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)合成為了一個統(tǒng)一的模型。本模型包括兩個模塊。在基于隱性屬性的模塊中,我們使用了遺傳算法,從由歷史評價形成的權(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),能在一個多維空間中以學(xué)習(xí)材料的顯性屬性為基礎(chǔ)對學(xué)習(xí)者的興趣進(jìn)行建模。 3.本文把遺傳算法和一個多維信息模型組合成為一個統(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,解決了稀疏性問題。通過使用本系統(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。實驗結(jié)果表明,該方法在準(zhǔn)確性度量上優(yōu)于現(xiàn)有算法,同時能夠緩解“冷啟動”和稀疏性問題。
【關(guān)鍵詞】：開放網(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)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：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)展歷程與國內(nèi)外研究現(xiàn)狀13-19
• 1.2.1 發(fā)展歷程13-15
• 1.2.2 國內(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)框架簡介27-29
• 3.2 遺傳算法簡介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 推薦過程43-45
• 3.5 混合推薦45
• 3.6 本章小結(jié)45-47
• 第四章 實驗結(jié)果及分析47-54
• 4.1 衡量指標(biāo)和實驗數(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)】

中國期刊全文數(shù)據(jù)庫 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;鄧陽平;;基于遺傳算法的旋轉(zhuǎn)機翼飛機機翼優(yōu)化設(shè)計[J];航空計算技術(shù);2008年06期

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

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

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

，

本文編號：744128