面向教程的混合推薦算法研究.pdf

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