本文關(guān)鍵詞：云計算環(huán)境下基于學(xué)習(xí)風(fēng)格的教學(xué)資源推薦系統(tǒng)設(shè)計與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：二十一世紀(jì)是互聯(lián)網(wǎng)的時代,“互聯(lián)網(wǎng)+教育”使學(xué)生們的學(xué)習(xí)方式發(fā)生了變化,由傳統(tǒng)的實體課堂轉(zhuǎn)移到網(wǎng)絡(luò)課堂,從老師面對面解惑答疑到上網(wǎng)搜索解題資料。學(xué)生今后不光采用集中化地聽課方式進(jìn)行學(xué)習(xí),還可以借助于互聯(lián)網(wǎng)進(jìn)行多樣化的學(xué)習(xí),提高學(xué)習(xí)效率。但是,隨著互聯(lián)網(wǎng)的高速發(fā)展,數(shù)據(jù)信息呈爆炸式地增長。如何在海量的數(shù)據(jù)信息中挖掘出學(xué)生可能感興趣或需要的教學(xué)資源,并根據(jù)學(xué)生的自身特征將這些教學(xué)資源推薦給他們,這無疑對提高學(xué)生的學(xué)習(xí)效率和學(xué)習(xí)效果有著重要的現(xiàn)實意義。不同的學(xué)生根據(jù)自身特征會形成不同的學(xué)習(xí)風(fēng)格,學(xué)習(xí)風(fēng)格近似的學(xué)生,他們所關(guān)注的教學(xué)資源也會相似。而基于物品的協(xié)同過濾的推薦算法是依據(jù)相似的人群關(guān)注的物品也相似這一原理建立的�；谝陨戏治�,本文選用理論成熟、實用性強(qiáng)的基于物品的協(xié)同過濾推薦算法建立教學(xué)資源推薦系統(tǒng)。為不同學(xué)習(xí)風(fēng)格的學(xué)生推薦出他們所需要的教學(xué)資源提供支持。本文通過以下兩種手段來提高協(xié)同過濾推薦系統(tǒng)的性能和推薦準(zhǔn)確度。首先在對學(xué)生用戶進(jìn)行教學(xué)資源推薦之前,先將學(xué)生用戶依據(jù)Felder-Silverman的學(xué)習(xí)風(fēng)格量表的測試結(jié)果進(jìn)行分組,然后分別對每組學(xué)生用戶進(jìn)行推薦,以此提高推薦的準(zhǔn)確度。同時針對學(xué)生用戶數(shù)量以及教學(xué)資源數(shù)量的極巨增加,采用Hadoop并行計算框架來開發(fā)教學(xué)資源推薦系統(tǒng),利用CUR分解降維技術(shù)對基于物品協(xié)同過濾算法進(jìn)行優(yōu)化,并對優(yōu)化算法進(jìn)行并行化處理。用MapReduce編程模型方式進(jìn)行具體實現(xiàn),以分布式計算方式運行,多個任務(wù)節(jié)點較快速完成計算任務(wù),數(shù)據(jù)矩陣最終在Reduce任務(wù)節(jié)點內(nèi)進(jìn)行合并處理,生產(chǎn)出可用的候選推薦列表。使本文研究的推薦系統(tǒng)適用于大規(guī)模的數(shù)據(jù)分析和計算任務(wù)。最后根據(jù)算法準(zhǔn)確率、召回率、覆蓋率這三個評價指標(biāo)對基本的協(xié)同過濾推薦算法與優(yōu)化后的協(xié)同優(yōu)化算法在云平臺上進(jìn)行運算的結(jié)果進(jìn)行比較,通過比較分析可以看到在用戶數(shù)量比較大的情況下,優(yōu)化后的協(xié)同過濾算法比基本的協(xié)同過濾算法在三個指標(biāo)上均有不同程度的改善。
【關(guān)鍵詞】：推薦系統(tǒng) Hadoop 基于物品協(xié)同過濾推薦 CUR分解
【學(xué)位授予單位】：沈陽師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-14
• 一、課題研究背景與意義9-10
• 二、國內(nèi)外研究現(xiàn)狀10-11
• （一）資源推薦系統(tǒng)的研究現(xiàn)狀10
• （二）學(xué)習(xí)風(fēng)格的研究現(xiàn)狀10-11
• 三、研究內(nèi)容11-12
• 四、論文組織結(jié)構(gòu)12-14
• 第二章 推薦系統(tǒng)相關(guān)理論研究及技術(shù)介紹14-25
• 一、學(xué)習(xí)風(fēng)格14-16
• （一）學(xué)習(xí)風(fēng)格概念14
• （二）經(jīng)典學(xué)習(xí)風(fēng)格模型簡介14-16
• 二、推薦系統(tǒng)16-21
• （一）典型的推薦算法16-18
• （二）推薦算法選擇比較18
• （三）相似度計算方法18-20
• （四）推薦系統(tǒng)性能度量標(biāo)準(zhǔn)20-21
• 三、云計算相關(guān)技術(shù)介紹21-24
• （一）Hadoop分布式平臺21-22
• （二）分布式文件系統(tǒng)HDFS22
• （三）MapReduce簡介22-23
• （四）新一代MapReduce框架YARN23-24
• 四、本章小結(jié)24-25
• 第三章 推薦系統(tǒng)算法的實驗研究25-42
• 一、基于物品的協(xié)同過濾算法25-28
• （一）算法的計算流程25-28
• （二）算法的實現(xiàn)研究28
• 二、協(xié)同過濾推薦算法面臨的問題及解決方案28-30
• （一）推薦算法面臨的問題28-29
• （二）解決方案29-30
• 三、基本算法的并行化研究30-34
• 四、CUR分解改造推薦算法34-40
• （一）CUR分解改造推薦算法計算流程35-37
• （二）改進(jìn)算法的可行性研究37-38
• （三）改進(jìn)算法并行化研究38-40
• 五、算法性能比較40
• （一）實驗設(shè)計40
• （二）實驗結(jié)果分析40
• 六、本章小結(jié)40-42
• 第四章 教學(xué)資源推薦系統(tǒng)設(shè)計42-54
• 一、系統(tǒng)設(shè)計與分析42-48
• （一）WEB服務(wù)層設(shè)計與分析42-44
• （二）數(shù)據(jù)過濾層設(shè)計與分析44-45
• （三）日志處理層設(shè)計與分析45-47
• （四）數(shù)據(jù)分析層設(shè)計與分析47-48
• 二、系統(tǒng)工作流程介紹48-49
• 三、數(shù)據(jù)庫表結(jié)構(gòu)49-53
• 四、本章小結(jié)53-54
• 第五章 教學(xué)資源推薦系統(tǒng)部署實現(xiàn)54-62
• 一、WEB服務(wù)層實現(xiàn)54-56
• （一）教學(xué)資源管理54-55
• （二）學(xué)生用戶信息管理55-56
• （三）權(quán)限管理56
• （四）資料推薦服務(wù)56
• 二、數(shù)據(jù)過濾層實現(xiàn)56-57
• 三、日志處理層的實現(xiàn)57-58
• 四、數(shù)據(jù)分析層實現(xiàn)58-59
• 五、系統(tǒng)重點部分的部署實現(xiàn)59-61
• （一）日志收集部署59
• （二）Hadoop的具體部署59-61
• 六、推薦系統(tǒng)的結(jié)果分析61
• 七、本章小結(jié)61-62
• 總結(jié)與展望62-64
• 一、工作的總結(jié)62
• 二、未來展望62-64
• 參考文獻(xiàn)64-66
• 附錄一 Felder—Silverman學(xué)習(xí)風(fēng)格測量表66-68
• 附錄二 Felder—Silverman學(xué)習(xí)風(fēng)格答題表68-69
• 致謝69-70
• 個人簡介70

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機(jī)與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現(xiàn)[J];計算機(jī)工程與設(shè)計;2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學(xué)推薦系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機(jī)應(yīng)用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導(dǎo)刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡(luò)推薦系統(tǒng)[J];電子商務(wù);2007年10期

6 李媚;;個性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟(jì)學(xué)模型的推薦系統(tǒng)的研究[J];計算機(jī)應(yīng)用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進(jìn)展及展望[J];信息系統(tǒng)學(xué)報;2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強(qiáng)學(xué)習(xí)的旅行計劃推薦系統(tǒng)[J];計算機(jī)工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領(lǐng)域的應(yīng)用[J];硅谷;2011年21期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學(xué)年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進(jìn)的個性化信息推薦系統(tǒng)的設(shè)計與實現(xiàn)[A];2005年全國理論計算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務(wù)的技術(shù)轉(zhuǎn)移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應(yīng)用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報;2014年

2 本報記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計算機(jī)世界;2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周魏;推薦系統(tǒng)中基于目標(biāo)項目分析的托攻擊檢測研究[D];重慶大學(xué);2015年

2 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計研究[D];中國科學(xué)技術(shù)大學(xué);2007年

3 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

4 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

5 王立才;上下文感知推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

6 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國科學(xué)技術(shù)大學(xué);2014年

7 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

8 劉士琛;面向推薦系統(tǒng)的關(guān)鍵問題研究及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2014年

9 李方方;非獨立同分布推薦系統(tǒng)研究[D];北京理工大學(xué);2014年

10 李曉建;基于語義的個性化資源推薦系統(tǒng)中關(guān)鍵技術(shù)研究[D];武漢大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 朱孔真;基于云計算的電子商務(wù)智能推薦系統(tǒng)研究[D];武漢理工大學(xué);2014年

2 郭敬澤;基于賦權(quán)評分和Dpark的分布式推薦系統(tǒng)研究與實現(xiàn)[D];天津理工大學(xué);2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設(shè)計[D];江南大學(xué);2015年

4 李煒;基于電子商務(wù)平臺的保險推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];復(fù)旦大學(xué);2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學(xué);2015年

6 秦大路;基于因式分解機(jī)模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學(xué);2015年

7 徐霞婷;動態(tài)路網(wǎng)監(jiān)控與導(dǎo)航推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];蘇州大學(xué);2015年

8 黃學(xué)峰;基于Hadoop的電影推薦系統(tǒng)研究與實現(xiàn)[D];南京師范大學(xué);2015年

9 路小瑞;基于Hadoop平臺的職位推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];上海交通大學(xué);2015年

10 李愛寶;基于組合消費行為分析的團(tuán)購?fù)扑]系統(tǒng)的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：云計算環(huán)境下基于學(xué)習(xí)風(fēng)格的教學(xué)資源推薦系統(tǒng)設(shè)計與實現(xiàn)，，由筆耕文化傳播整理發(fā)布。

本文編號：256202