版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、互聯(lián)網(wǎng)為用戶提供了大量的學(xué)習(xí)教程,各種類型的教程網(wǎng)站層出不窮,為用戶提供了豐富的學(xué)習(xí)資源,這些資源從很大程度上為用戶提供了方便,人們?cè)谙硎芫W(wǎng)絡(luò)教程便捷性的同時(shí),經(jīng)常會(huì)迷失在海量的信息資源中,用戶往往需要花費(fèi)大量的時(shí)間和精力挑選自己既感興趣而且適合自己的教程,為了讓用戶只專注于教程內(nèi)容,而不是花費(fèi)大量的時(shí)間和精力在海量的信息資源中尋求有價(jià)值的教程,本文對(duì)教程推薦進(jìn)行了深入的探討和研究,主要工作包括以下幾個(gè)方面:
1.首先研究了推
2、薦系統(tǒng)和教程推薦系統(tǒng)的概念,明確了教程推薦系統(tǒng)的設(shè)計(jì)目的。探討了教程和知識(shí)點(diǎn)的概念以及知識(shí)點(diǎn)之間的關(guān)系,并構(gòu)造了課程知識(shí)點(diǎn)樹。
2.設(shè)計(jì)了基于知識(shí)點(diǎn)屬性和內(nèi)容的個(gè)性化推薦算法推薦文字教程,首先對(duì)Web日志數(shù)據(jù)預(yù)處理,從中挖掘用戶的行為信息,根據(jù)用戶在瀏覽教程過(guò)程中的行為計(jì)算用戶對(duì)教程的興趣度,再將用戶對(duì)教程的興趣度轉(zhuǎn)化為對(duì)知識(shí)點(diǎn)的興趣度,進(jìn)一步將基于TF-IDF的內(nèi)容推薦結(jié)果過(guò)濾,產(chǎn)生文字教程推薦列表。實(shí)驗(yàn)表明將兩種推薦算法相
3、結(jié)合,推薦的準(zhǔn)確率和召回率都有明顯的提高。
3.提出改進(jìn)的協(xié)同過(guò)濾推薦算法——引入知識(shí)點(diǎn)的結(jié)合基于項(xiàng)目的協(xié)同過(guò)濾和基于用戶的協(xié)同過(guò)濾算法(KPIU-CF)推薦視頻教程,改進(jìn)算法一方面考慮了知識(shí)點(diǎn)以及知識(shí)點(diǎn)之間的關(guān)系,另一方面可以有效緩解用戶-項(xiàng)目評(píng)分矩陣的數(shù)據(jù)稀疏性問(wèn)題,得到比較準(zhǔn)確的鄰居用戶,實(shí)驗(yàn)表明該算法顯著提高了協(xié)同過(guò)濾推薦系統(tǒng)的推薦質(zhì)量和精確度。
4.根據(jù)教程的不同類型,采用一種混合的推薦算法設(shè)計(jì)和實(shí)現(xiàn)了教程
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向SNS的混合推薦算法的研究與應(yīng)用.pdf
- 面向協(xié)同過(guò)濾推薦的混合隱私保護(hù)技術(shù)和算法研究.pdf
- 面向產(chǎn)學(xué)研的推薦算法與推薦系統(tǒng)研究.pdf
- 基于主題模型的混合推薦算法研究.pdf
- 基于隱語(yǔ)義的混合推薦算法研究.pdf
- 模糊聚類的混合推薦算法研究.pdf
- 基于時(shí)間加權(quán)的混合推薦算法研究.pdf
- 面向企業(yè)需求的專家推薦算法研究.pdf
- 基于混合圖的推薦算法
- 個(gè)性化混合推薦算法的研究.pdf
- 面向推薦系統(tǒng)的矩陣填充算法研究.pdf
- 面向電子商務(wù)應(yīng)用的推薦算法研究.pdf
- 基于MapReduce框架的混合推薦算法.pdf
- 基于合著網(wǎng)絡(luò)的論文混合推薦算法研究.pdf
- 面向特定分類體系的標(biāo)簽推薦算法研究.pdf
- 面向數(shù)據(jù)稀疏的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于Spark平臺(tái)的混合推薦算法的研究與實(shí)現(xiàn).pdf
- 基于混合算法的推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于用戶興趣向量的混合推薦算法.pdf
- 基于合著網(wǎng)絡(luò)論文混合推薦算法研究
評(píng)論
0/150
提交評(píng)論