資源描述:
《基于協(xié)同過濾推薦技術(shù)的學(xué)習(xí)資源個性化推薦系統(tǒng)研究》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、浙江工業(yè)大學(xué)碩士學(xué)位論文基于協(xié)同過濾推薦技術(shù)的學(xué)習(xí)資源個性化推薦系統(tǒng)研究作者姓名:趙建龍指導(dǎo)教師:邱飛岳教授、王永固副教授浙江工業(yè)大學(xué)教育科學(xué)與技術(shù)學(xué)院2011年05月DissertationSubmittedtoZhejiangUniversityfortheDegreeofMaster\\吣Y帆2眥-0㈣49㈣31她5\ofTechnologyTheresearchofpersonalizedrecommendationoflearningresourcesbasedoncollaborativefilteringrecommendationtechnologyCandid
2、ate:ZhaoJianlongAdvisor:QiuFeiyue,WangYongguCollegeofEducationScience&TechnologyZhejiangUniversityofTechnologyMay2011浙江工業(yè)大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明:所提交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下,獨(dú)立進(jìn)行研究工作所取得的研究成果。除文中已經(jīng)加以標(biāo)注引用的內(nèi)容外,本論文不包含其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果,也不含為獲得浙江工業(yè)大學(xué)或其它教育機(jī)構(gòu)的學(xué)位證書而使用過的材料。對本文的研究作出重要貢獻(xiàn)的個人和集體,均已在文中以明確方式標(biāo)明。本人承擔(dān)本聲明的法律
3、責(zé)任。作者簽名:易B鞔:y巧年占竅gEl學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定,同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版,允許論文被查閱和借閱。本人授權(quán)浙江工業(yè)大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索,可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于l、保密口,在年解密后適用本授權(quán)書。2、不保密口。(請?jiān)谝陨舷鄳?yīng)方框內(nèi)打“寸’)儲簽名力拓,刷醛各郫鸝日期:沙/詹廠月羅日號期勘f1年6月岔日浙江工業(yè)大學(xué)碩士學(xué)位論文基于協(xié)同過濾推薦技術(shù)的學(xué)習(xí)資源個性化推薦系統(tǒng)研究摘要E.1earning
4、已成為企業(yè)開展員工培訓(xùn)的有效方式之一。目前,許多大型企業(yè)在企業(yè)內(nèi)部網(wǎng)或互聯(lián)網(wǎng)搭建了e.1earning平臺。隨著e—learning應(yīng)用實(shí)踐的深入,e.1earning平臺中學(xué)習(xí)資源數(shù)量日漸增多,導(dǎo)致員工需要花費(fèi)大量的時間和精力在平臺中檢索和查閱符合自己需要的學(xué)習(xí)資源,甚至找不到符合自己興趣和工作崗位需求的學(xué)習(xí)資源。通過分析多個企業(yè)e-leaming門戶系統(tǒng),我們發(fā)現(xiàn),當(dāng)前e-learning系統(tǒng)推送學(xué)習(xí)資源的方式有:Top.N推薦方式、關(guān)鍵字查詢方式和最新資源推薦。以上各種資源推送方式在一定程度上幫助學(xué)習(xí)者檢索和發(fā)現(xiàn)符合學(xué)習(xí)需要的資源,但是不能個性化地向?qū)W習(xí)者推送學(xué)習(xí)資源。因
5、此,如何解決e—learning系統(tǒng)中學(xué)習(xí)資源的個性化地主動式推薦就成為當(dāng)前教育技術(shù)學(xué)研究人員面臨的研究主題之一。本文首先對目前已在電子商務(wù)領(lǐng)域成功應(yīng)用的協(xié)同過濾推薦技術(shù)及算法作了分析和研究,并總結(jié)、概括了該算法存在的不足之處,針對這些問題介紹了幾種典型的優(yōu)化算法。然后,為了解決協(xié)同過濾算法自身存在的數(shù)據(jù)稀疏和冷啟動問題,提出了利用內(nèi)容過濾推薦算法和項(xiàng)目評分預(yù)測方法對其進(jìn)行優(yōu)化的思浙江工業(yè)大學(xué)碩士學(xué)位論文想。同時,構(gòu)建了一個基于用戶學(xué)習(xí)行為的隱式評分模型,將用戶對資源的收藏、推薦、分享等能夠體現(xiàn)用戶對資源喜好的行為因素轉(zhuǎn)化為可定量的資源評分,以增加用戶對資源的評分率。將以上的算
6、法思想加以融合,得到一個優(yōu)化的組全算法。最后,基于以上提出的優(yōu)化組合后的協(xié)同過濾推薦算法,構(gòu)建一個個性化學(xué)習(xí)資源推薦模型,并通過浙江省中小企業(yè)信息化平臺中的知識庫模塊加以呈現(xiàn)。本研究雖然在一定程度上緩解了協(xié)同過濾算法存在的數(shù)據(jù)稀疏和冷啟動問題,但仍未從根本上予以解決。通過將協(xié)同過濾推薦算法引入到e.1eaming中,使該算法進(jìn)入到一個新的應(yīng)用領(lǐng)域,以啟發(fā)更多e.1earning研究人員從不同的層面和角度探索協(xié)同過濾技術(shù)在e—learning中的應(yīng)用,提高學(xué)習(xí)資源個性化推薦的精度和效率。關(guān)鍵字:e.1earning,學(xué)習(xí)資源,協(xié)同過濾技術(shù),隱式評分模型,個性化推薦系統(tǒng)浙江工業(yè)大學(xué)
7、碩士學(xué)位論文THERESEARCHOFPERSONALIZEDRECOMⅣ匝NDATIONOFLEARNINGRESOURCESBASEDONCOLLABORATIVEFIIJERINGRECOMMENDATIONTECHNOLOGYABSTRACTE—learninghasbecomealleffectivewaytocarryoutstafftraining.Currently,manylargeenterprisesbuilde—learningplatformintheircorpo