移動(dòng)情景學(xué)習(xí)下的協(xié)同過濾專家推薦研究.pdf

1、當(dāng)今社會(huì)是計(jì)算機(jī)網(wǎng)絡(luò)廣泛應(yīng)用的社會(huì)，人們處于一個(gè)不論是在工作、學(xué)習(xí)、生活都離不開計(jì)算機(jī)網(wǎng)絡(luò)的時(shí)代。而傳統(tǒng)教學(xué)也在原有的面對(duì)面的教學(xué)模式的基礎(chǔ)上有了新的突破和發(fā)展。面對(duì)面的課堂教學(xué)模式具有成本低、易管理的優(yōu)勢(shì)，仍然是目前國(guó)內(nèi)外教學(xué)采用的主要教育模式。但是在終身學(xué)習(xí)理念普及的當(dāng)代社會(huì)，面對(duì)面的課堂教學(xué)模式很難滿足學(xué)習(xí)者對(duì)于學(xué)習(xí)時(shí)間、地點(diǎn)多樣性的需求。因此，在課堂教學(xué)模式的基礎(chǔ)上發(fā)展了遠(yuǎn)程網(wǎng)絡(luò)教育、移動(dòng)教育等多種教學(xué)模式，而教學(xué)資源呈現(xiàn)出來的

2、數(shù)字化、網(wǎng)絡(luò)化特點(diǎn)，使得這些教學(xué)資源越來越受到廣大用戶的關(guān)注，在信息化時(shí)代中，專家也成為一種教學(xué)資源。在大量學(xué)習(xí)資源產(chǎn)生的同時(shí)，學(xué)習(xí)者也更容易遭受到信息過載的困擾。因此，如何快速地為學(xué)習(xí)者推薦其所需要的專家，已成為在新型教學(xué)模式中亟待研究和解決的問題。
　　本文在查閱和參考大量的推薦技術(shù)和移動(dòng)情景學(xué)習(xí)相關(guān)文獻(xiàn)資料后，對(duì)國(guó)內(nèi)外著名的推薦技術(shù)及網(wǎng)絡(luò)學(xué)習(xí)、移動(dòng)學(xué)習(xí)等相關(guān)學(xué)習(xí)理論進(jìn)行總結(jié)歸納。根據(jù)用戶興趣模型構(gòu)建和專家資源模型構(gòu)建，對(duì)移動(dòng)

3、情景平臺(tái)中高血壓領(lǐng)域的專家推薦過程進(jìn)行詳細(xì)的分析與闡述。接著，根據(jù)專家資源的特點(diǎn)，采用用戶對(duì)高血壓領(lǐng)域的專家的評(píng)價(jià)信息作為計(jì)算用戶相似性的方法，較好地改善了傳統(tǒng)推薦過程中的數(shù)據(jù)稀疏問題。并在移動(dòng)情景學(xué)習(xí)平臺(tái)中進(jìn)行實(shí)驗(yàn)。在用戶對(duì)專家評(píng)分的真實(shí)數(shù)據(jù)支持下，分別對(duì)于隨機(jī)推薦的專家進(jìn)行海明距離和修正余弦相似計(jì)算實(shí)現(xiàn)基于項(xiàng)目和基于用戶的推薦。最后通過兩種推薦計(jì)算后，獲得推薦并集，并且剔除用戶已關(guān)注專家，來獲取專家推薦列表。
　　本研究基于移

4、動(dòng)情景學(xué)習(xí)平臺(tái)下的原始數(shù)據(jù)獲取，專家信息和用戶信息均來自于系統(tǒng)真實(shí)數(shù)據(jù)，通過協(xié)同過濾專家推薦模型的算法實(shí)施，可以得到以下結(jié)論:
　　(1)通過協(xié)同過濾推薦后形成的專家推薦列表，目標(biāo)用戶的瀏覽度、點(diǎn)擊頻率以及咨詢概率有了很大程度的提高，同時(shí)，對(duì)專家的滿意度和服務(wù)滿意度相對(duì)較高。
　　(2)基于用戶和基于（項(xiàng)目）的雙重推薦，在滿足推薦準(zhǔn)確度的同時(shí)，也滿足給用戶推薦的多樣性，可以讓用戶有更多樣的專家資源去咨詢和學(xué)習(xí)。
　　(