基于集成學習的個性化推薦系統(tǒng)的研究與實現(xiàn).pdf

1、隨著網(wǎng)絡和數(shù)據(jù)庫技術的飛速發(fā)展,在線獲取學習資源已經(jīng)成為一種潮流。學習者在面對種類繁多的海量網(wǎng)絡資源時,“信息過載”和“信息迷航”問題正變得日益嚴重。以用戶為中心,主動推薦信息和服務,能較有效地緩解這些問題。但是,基于協(xié)同過濾的推薦系統(tǒng)又具有“數(shù)據(jù)稀疏”和“冷啟動”等不足。本文在構建用戶興趣模型的基礎上將選擇性集成學習技術引入用戶模型分類,用以解決“冷啟動”問題。集成學習作為機器學習的首要研究方向,能顯著提高系統(tǒng)的泛化能力。同時,將內容

2、過濾與協(xié)同過濾相結合,利用資源構成的相似性改進相似性計算方法,填充評分矩陣,有效解決“數(shù)據(jù)稀疏”問題。
　　“基于集成學習技術的個性化智能導學模型的研究”屬江西省教育廳科學技術研究項目,其宗旨是將集成學習技術應用于E-Learning系統(tǒng)中,建立個性化智能導學模型,提高遠程教育系統(tǒng)使用者的學習效果,增強遠程教育系統(tǒng)的利用率和吸引力。本文所做的工作隸屬于該項目。主要內容包括:
　　1、對集成學習技術和個性化推薦系統(tǒng)進行了深入的

3、研究,在用戶興趣建模的基礎上提出一種三層用戶興趣的兩次細化模型,并通過引入興趣遺忘機制對模型進行優(yōu)化。利用決策樹算法對收集的數(shù)據(jù)進行學習,結合選擇性集成技術,根據(jù)模擬生物進化的遺傳算法選擇個體學習器,建立最優(yōu)的用戶分類模型,為改進協(xié)同過濾算法提供了基礎。
　　2、對協(xié)同過濾算法進行了研究分析,針對傳統(tǒng)算法所存在的不足,提出一種改進的協(xié)同過濾算法。將內容過濾和協(xié)同過濾相結合,利用改進的資源相似性計算方法形成資源相似性鏈表,由用戶對項