個(gè)性化學(xué)習(xí)資源推薦系統(tǒng)的研究與設(shè)計(jì).pdf

1、隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)中的信息資源呈現(xiàn)出爆炸式的增長(zhǎng)，人們能夠從互聯(lián)網(wǎng)中獲取豐富的信息資源，同時(shí)互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息的主要途徑之一，然而隨著網(wǎng)絡(luò)信息的不斷增加，當(dāng)用戶(hù)面對(duì)大量的網(wǎng)絡(luò)信息時(shí)，容易淹沒(méi)在信息的“海洋”里，造成信息過(guò)載的問(wèn)題。人們通常使用信息檢索技術(shù)來(lái)查找所需要的信息資源，但是這種方式越來(lái)越不能滿(mǎn)足人們?nèi)找嬖鲩L(zhǎng)的個(gè)性化需要，使用信息檢索技術(shù)需要人們對(duì)信息進(jìn)行準(zhǔn)確的描述，但是在很多情況下，用戶(hù)其實(shí)對(duì)自己的需求并不是很

2、明確或者很難用簡(jiǎn)單的關(guān)鍵字來(lái)進(jìn)行描述，同時(shí)傳統(tǒng)的信息檢索技術(shù)是基于關(guān)鍵進(jìn)行檢索，因此它不能夠挖掘用戶(hù)的潛在興趣點(diǎn)，只能發(fā)現(xiàn)用戶(hù)已經(jīng)感興趣的信息，因此為了滿(mǎn)足人們對(duì)個(gè)性化服務(wù)日益增長(zhǎng)的需求，于是便產(chǎn)生個(gè)性化推薦技術(shù)。
　　目前在國(guó)內(nèi)個(gè)性化推薦技術(shù)在教育領(lǐng)域中的應(yīng)用還比較少，相關(guān)的理論和應(yīng)用的研究也比較匱乏，發(fā)表相關(guān)的論文比較少。從總體上來(lái)看國(guó)內(nèi)的個(gè)性化推薦的研究還處于起步階段，與國(guó)外相比，還存在一定的差距，例如國(guó)內(nèi)個(gè)性化推薦的方法過(guò)

3、于單一，并沒(méi)有施行多樣化推薦，單一的推薦往往推出的結(jié)果較為單調(diào)，無(wú)法滿(mǎn)足用戶(hù)的多樣化需要，同時(shí)在推薦的過(guò)程中缺乏智能化處理水平，自動(dòng)化程度比較低，因此通過(guò)混合式的使用推薦技術(shù)，發(fā)揮其各自的優(yōu)點(diǎn)，從而使推薦結(jié)果的多樣性，本文將采用多種推薦技術(shù)，實(shí)現(xiàn)多樣化推薦。
　　隨著學(xué)習(xí)資源網(wǎng)的不斷建設(shè)，學(xué)習(xí)資源也在不斷的增加與豐富，面對(duì)大量的學(xué)習(xí)資源，容易造成信息過(guò)載的問(wèn)題。本文主旨設(shè)計(jì)一套個(gè)性化資源推薦系統(tǒng)，通過(guò)分析學(xué)習(xí)者的學(xué)習(xí)行為，主動(dòng)的向

4、用戶(hù)推薦學(xué)習(xí)資源。通過(guò)混合的使用推薦算法，結(jié)合不同推薦技術(shù)的優(yōu)點(diǎn)，達(dá)到推薦結(jié)果的多樣化，更好的滿(mǎn)足用戶(hù)的個(gè)性化需求，在一定程度上解決信息過(guò)載的問(wèn)題，本文中的研究主要包括以下部分:
　　(1)通過(guò)對(duì)現(xiàn)有的相關(guān)文獻(xiàn)進(jìn)行梳理，本文將對(duì)個(gè)性化推薦技術(shù)的相關(guān)理論進(jìn)行介紹，并且闡述其研究現(xiàn)狀以及應(yīng)用領(lǐng)域，比較常見(jiàn)的推薦技術(shù)的優(yōu)缺點(diǎn)，并從中選出最適合的推薦技術(shù)，應(yīng)用于本文設(shè)計(jì)的資源推薦系統(tǒng)中。
　　(2)制定用戶(hù)對(duì)學(xué)習(xí)資源的評(píng)分標(biāo)準(zhǔn)，用戶(hù)

5、的評(píng)分?jǐn)?shù)據(jù)的獲取主要通過(guò)兩種途徑，分別是隱性方式和顯示方式，顯示方式即用戶(hù)直接對(duì)學(xué)習(xí)資源進(jìn)行評(píng)分，隱性方式是由系統(tǒng)來(lái)完成。用戶(hù)登錄后，系統(tǒng)會(huì)自動(dòng)地跟蹤用戶(hù)在系統(tǒng)中的學(xué)習(xí)行為，當(dāng)用戶(hù)瀏覽、收藏、推薦學(xué)習(xí)資源時(shí)，系統(tǒng)會(huì)根據(jù)評(píng)分標(biāo)準(zhǔn)將用戶(hù)對(duì)學(xué)習(xí)資源的操作轉(zhuǎn)換成相應(yīng)的評(píng)分?jǐn)?shù)據(jù)，從而形成用戶(hù)與資源的評(píng)分矩陣。
　　(3)通過(guò)對(duì)一些常見(jiàn)的個(gè)性化推薦技術(shù)進(jìn)行比較，本文選擇了協(xié)同過(guò)濾推薦算法和基于社會(huì)標(biāo)簽的推薦算法，協(xié)同過(guò)濾推薦技術(shù)應(yīng)用比較廣泛，

6、性能比較成熟，只需要用戶(hù)對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)即可對(duì)其進(jìn)行推薦，其優(yōu)點(diǎn)在于能夠挖掘用戶(hù)潛在的興趣點(diǎn)，但也存在一定的不足，例如冷啟動(dòng)問(wèn)題，在系統(tǒng)初期，由于數(shù)據(jù)比較稀疏，這將會(huì)影響其推薦的效果，因此為了解決冷啟動(dòng)問(wèn)題，本文引入Slope one算法來(lái)對(duì)其進(jìn)行處理，通過(guò)對(duì)稀疏的數(shù)據(jù)進(jìn)行填充，從而提高基于用戶(hù)的協(xié)同過(guò)濾推薦的準(zhǔn)確性，通過(guò)實(shí)驗(yàn)測(cè)試結(jié)果表明，Slope one算法能夠在一定程度中緩解因數(shù)據(jù)稀疏的問(wèn)題對(duì)推薦效果的影響?；谏鐣?huì)化標(biāo)簽的推薦是