基于大數(shù)據(jù)平臺(tái)的MOOC混合推薦算法的研究及應(yīng)用.pdf

1、得益于互聯(lián)網(wǎng)的高速發(fā)展，傳統(tǒng)教育領(lǐng)域正在發(fā)生翻天覆地的變化。近年來，一種無門檻、費(fèi)用低廉、學(xué)習(xí)資源豐富的新興教育方式正在普及—MOOC。但隨著MOOC平臺(tái)的迅速發(fā)展，MOOC課程數(shù)量大幅度增長(zhǎng)，造成信息過載的問題。用戶很難從大量的MOOC課程中選取自己需要的課程，造成“選課難”的問題。因此使用智能算法解決MOOC平臺(tái)信息過載問題，幫助用戶選取合適的課程，同時(shí)讓優(yōu)秀的課程脫穎而出是很有必要的。推薦系統(tǒng)被認(rèn)為是一種解決信息過載問題更加高效的

2、方法。雖然推薦系統(tǒng)已經(jīng)成功應(yīng)用于很多領(lǐng)域，但是在MOOC領(lǐng)域應(yīng)用推薦系統(tǒng)的國(guó)內(nèi)外相關(guān)研究依舊很少。如果直接生搬硬套以往的使用經(jīng)驗(yàn)，不考慮MOOC應(yīng)用的場(chǎng)景特征，那么課程推薦結(jié)果的準(zhǔn)確率會(huì)比較低。
　　為了解決MOOC平臺(tái)的“選課難”問題，本文提出了MOOC隱式評(píng)分模型，并且根據(jù)當(dāng)下互聯(lián)網(wǎng)大數(shù)據(jù)環(huán)境，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于大數(shù)據(jù)平臺(tái)的MOOC推薦系統(tǒng)。本文的主要貢獻(xiàn)和創(chuàng)新有：
　?。?）提出MOOC隱式評(píng)分模型。該模型根據(jù)MOOC

3、平臺(tái)的應(yīng)用場(chǎng)景特征，利用用戶學(xué)習(xí)行為，并借鑒以往推薦系統(tǒng)在其他領(lǐng)域的成功經(jīng)驗(yàn)。
　?。?）利用MOOC隱式評(píng)分模型改進(jìn)了傳統(tǒng)的基于物品的協(xié)同過濾推薦算法和矩陣分解算法。通過實(shí)驗(yàn)結(jié)果證明，使用MOOC隱式評(píng)分模型可以提高傳統(tǒng)推薦算法在MOOC應(yīng)用中的推薦準(zhǔn)確率。
　?。?）設(shè)計(jì)基于大數(shù)據(jù)平臺(tái)的MOOC推薦系統(tǒng)以便于應(yīng)對(duì)當(dāng)今互聯(lián)網(wǎng)的大數(shù)據(jù)環(huán)境。該系統(tǒng)根據(jù)大數(shù)據(jù)MOOC應(yīng)用的業(yè)務(wù)特點(diǎn)分為六個(gè)模塊，每個(gè)模塊都采用微服務(wù)架構(gòu)實(shí)現(xiàn)，方便