協(xié)同過(guò)濾論文基于協(xié)同過(guò)濾的教學(xué)資源個(gè)性化推薦技術(shù)的

《協(xié)同過(guò)濾論文基于協(xié)同過(guò)濾的教學(xué)資源個(gè)性化推薦技術(shù)的》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、協(xié)同過(guò)濾論文：基于協(xié)同過(guò)濾的教學(xué)資源個(gè)性化推薦技術(shù)的研究及應(yīng)用【中文摘要】互聯(lián)網(wǎng)給人們提供了豐富的信息資源,它已成為人們獲取信息的重要途徑。隨著互聯(lián)網(wǎng)上信息數(shù)量的激增,信息搜索技術(shù)面臨著越來(lái)越大的挑戰(zhàn),傳統(tǒng)的搜索引擎很難滿足用戶個(gè)性化的需求,人們要準(zhǔn)確、快速的找到自己所需要的資源越來(lái)越困難,所以推薦技術(shù)應(yīng)運(yùn)而生,并顯示出了強(qiáng)大的生命力。推薦技術(shù)根據(jù)用戶已有的信息,對(duì)目標(biāo)用戶感興趣的信息進(jìn)行推薦,幫助用戶更方便的找到所需要的信息。本文將推薦應(yīng)用于教育信息化領(lǐng)域。教學(xué)資源作為教育信息化的一個(gè)組成部分,在教學(xué)中發(fā)揮著重要的作用。網(wǎng)絡(luò)教學(xué)平臺(tái)中包含了大量的教學(xué)資源,但是通常給用戶提供的都

2、是相同的資源。由于用戶的興趣愛(ài)好有差異,所以對(duì)教學(xué)資源的需求也不盡相同。在眾多的推薦技術(shù)中,協(xié)同過(guò)濾技術(shù)是應(yīng)用最為廣泛的一項(xiàng)個(gè)性化推薦技術(shù)。通過(guò)運(yùn)用協(xié)同過(guò)濾技術(shù),可以幫助用戶發(fā)現(xiàn)潛在的興趣愛(ài)好并做出推薦,讓用戶在大量的教學(xué)資源中迅速、準(zhǔn)確的找到適合自己學(xué)習(xí)的資源,滿足了用戶對(duì)個(gè)性化服務(wù)的需求。本文對(duì)網(wǎng)絡(luò)教學(xué)平臺(tái)的用戶進(jìn)行研究,分析了這一特定群體的特點(diǎn),并且結(jié)合教學(xué)資源的項(xiàng)目特征,設(shè)計(jì)了具體的推薦流程,并對(duì)推薦過(guò)程中所要用到的相似度算法進(jìn)行改進(jìn),提出了一種基于用戶和基于項(xiàng)混合協(xié)同過(guò)...【英文摘要】Internethasbecomeanimportantwayforpeopleto

3、reachinformation.Itprovidespeoplewithabundantinformationresources.Asthesurgeofinformationquantity,searchtechniqueisfacingthebigchallenge.Itbecomesdifficultforpeopletofindtherightandsuitableresources,sothetraditionalsearchtechniqueishardtomeetthepersonalizedrequirementsofusers.Underthiscircums

4、tancetherecommendtechnologyarisesandshowsstrongvitality.Recommendtechnologymakerecommendationthatinteres...【關(guān)鍵詞】協(xié)同過(guò)濾個(gè)性化特定群體混合推薦網(wǎng)絡(luò)教學(xué)平臺(tái)【英文關(guān)鍵詞】CollaborativeFilteringPersonalizedSpecificGroupHybridRecommendationNetworkTeachingPlatform【目錄】基于協(xié)同過(guò)濾的教學(xué)資源個(gè)性化推薦技術(shù)的研究及應(yīng)用致謝5-6中文摘要6-7ABSTRACT71引言10-131.1研究背

5、景及選題意義10-111.2國(guó)內(nèi)外研究現(xiàn)狀11-121.3本文的主要工作121.4文章的組織結(jié)構(gòu)12-132個(gè)性化推薦系統(tǒng)相關(guān)理論13-252.1推薦系統(tǒng)概述132.2個(gè)性化推薦技術(shù)的分類(lèi)13-182.2.1基于內(nèi)容的推薦13-142.2.2基于協(xié)同過(guò)濾的推薦142.2.3基于規(guī)則的推薦14-152.2.4基于數(shù)據(jù)挖掘的推薦15-172.2.5合推薦17-182.3協(xié)同過(guò)濾技術(shù)的介紹18-242.3.1協(xié)同過(guò)濾技術(shù)的分類(lèi)18-192.3.2基于用戶的協(xié)同過(guò)濾算法19-212.3.3基于項(xiàng)目的協(xié)同過(guò)濾算法21-222.3.4基于模型的協(xié)同過(guò)濾算法22-232.3.5協(xié)同過(guò)濾技術(shù)面臨

6、的挑戰(zhàn)23-242.4本章小結(jié)24-253用戶興趣模型的建立25-343.1用戶建模的相關(guān)理論及方法25-313.1.1數(shù)據(jù)收集26-273.1.2模型表示27-283.1.3模型學(xué)習(xí)28-303.1.4模型更新30-313.2教學(xué)資源模型的建立31-323.3用戶模型的建立32-344個(gè)性化推薦流程和算法的設(shè)計(jì)34-414.1推薦流程34-384.1.1本專業(yè)資源推薦34-364.1.2非本專業(yè)資源推薦36-384.2相似度計(jì)算38-394.2.1相似度計(jì)算方法分析38-394.2.2改進(jìn)的相似度計(jì)算方法394.3混合協(xié)同過(guò)濾推薦算法39-415推薦引擎的實(shí)現(xiàn)41-485.1A

7、pachemahout的簡(jiǎn)介41-425.2使用Taste構(gòu)建推薦引擎42-485.2.1抽取Taste工具包42-435.2.2數(shù)據(jù)建模43-445.2.3推薦引擎實(shí)現(xiàn)44-486算法的評(píng)價(jià)48-526.1實(shí)驗(yàn)數(shù)據(jù)集與環(huán)境48-496.2實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)496.3實(shí)驗(yàn)方案設(shè)計(jì)49-506.4實(shí)驗(yàn)結(jié)果分析50-527總結(jié)與展望52-53參考文獻(xiàn)53-56作者簡(jiǎn)歷56-58學(xué)位論文數(shù)據(jù)集58