互聯(lián)網(wǎng)技術(shù)正加速驅(qū)動新一輪教育產(chǎn)業(yè)升級,近年來“互聯(lián)網(wǎng)+教育”的業(yè)務(wù)載體不斷推陳出新,在線教育逐漸得到推廣,成為了廣大人群學(xué)習(xí)知識的新途徑。但在線教育平臺存在針對性不足、無法為學(xué)習(xí)者量身打造適合自己的個性化學(xué)習(xí)體驗等一系列問題。因此針對學(xué)習(xí)者學(xué)習(xí)偏好的在線學(xué)習(xí)資源個性化推薦成為了當下的研究熱點。本文在在線學(xué)習(xí)的背景下,利用深度學(xué)習(xí)算法對學(xué)習(xí)者用戶的反饋信息進行建模,在此基礎(chǔ)上構(gòu)建的推薦算法能有效緩解推薦系統(tǒng)中存在的稀疏性問題,在一定程度上提供可解釋性并顯著提高推薦準確率。為學(xué)習(xí)者提供更加個性化的學(xué)習(xí)體驗,提高學(xué)習(xí)者的學(xué)習(xí)效率和資源的利用率。主要工作包括:（1）提出了基于評論的雙重先驗矩陣分解模型（Dual-Prior Review-based Matrix Factorization,DPRMF）。該模型利用卷積神經(jīng)網(wǎng)絡(luò)對學(xué)習(xí)者評論反饋信息進行特征提取,再利用評論特征先驗約束融入概率矩陣分解模型來學(xué)習(xí)到融入評論信息的用戶和對象特征向量,從而更好地擬合評分數(shù)據(jù)。本文還在卷積神經(jīng)網(wǎng)絡(luò)的嵌入層中使用單詞級別的向量權(quán)重,這有助于可視化評論并更直觀地解釋模型。大量實驗結(jié)果表明所提出的模型優(yōu)于其它... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１用戶對象評分矩陣／？??介紹具體算法之前先定義問題的具體形式

圖２．２基于用戶的協(xié)同過濾算法思想??基于用戶協(xié)同過濾算法的基本思想是：一個用戶喜歡和他具有相似喜好的用戶??喜歡的對象。圖２．２描述了基于用戶的協(xié)同過濾算法思想，對于用戶Ａ，通過其歷??史偏好，計算得到一個與之最相似的用戶Ｃ，然后將用戶Ｃ所喜歡而用戶Ａ并未訪??問過的對象￣４推薦給用戶Ａ。??基于用戶的協(xié)同過濾算法可以分為三個步驟：??（１）計算用戶之間的相似度??（２）選擇合適大小的相似用戶集合??（３）根據(jù)相似用戶集合的用戶評分來預(yù)測未知評分??首先是用戶之間相似度的度量方法，常用的有Ｊａｃｃａｒｄ相似度、余弦相似度和??Ｐｅａｒｓｏｎ相似度。??定義Ｋｗ表示用戶Ｗ進行過評分的對象集合，凡＊表示用戶／的評分向量。Ｊａｃｃａｒｄ??相似度可以看作是兩個用戶評分過對象集合的吻合程度，具體定義如式（２．１）？??１１??

推薦?用戶Ｃ?物品４??圖２．２基于用戶的協(xié)同過濾算法思想??基于用戶協(xié)同過濾算法的基本思想是：一個用戶喜歡和他具有相似喜好的用戶??喜歡的對象。圖２．２描述了基于用戶的協(xié)同過濾算法思想，對于用戶Ａ，通過其歷??史偏好，計算得到一個與之最相似的用戶Ｃ，然后將用戶Ｃ所喜歡而用戶Ａ并未訪??問過的對象￣４推薦給用戶Ａ。??基于用戶的協(xié)同過濾算法可以分為三個步驟：??（１）計算用戶之間的相似度??（２）選擇合適大小的相似用戶集合??（３）根據(jù)相似用戶集合的用戶評分來預(yù)測未知評分??首先是用戶之間相似度的度量方法，常用的有Ｊａｃｃａｒｄ相似度、余弦相似度和??Ｐｅａｒｓｏｎ相似度。??定義Ｋｗ表示用戶Ｗ進行過評分的對象集合，凡＊表示用戶／的評分向量。Ｊａｃｃａｒｄ??相似度可以看作是兩個用戶評分過對象集合的吻合程度，具體定義如式（２．１）？??１１??

【參考文獻】：
期刊論文
[1]以用戶畫像構(gòu)建智慧閱讀推薦系統(tǒng)[J]. 王順箐.  圖書館學(xué)研究. 2018(04)
[2]跨類型的學(xué)術(shù)資源優(yōu)質(zhì)推薦算法研究[J]. 尹麗玲,劉柏嵩,王洋洋.  情報學(xué)報. 2017(07)
[3]基于知識圖譜表示學(xué)習(xí)的協(xié)同過濾推薦算法[J]. 吳璽煜,陳啟買,劉海,賀超波.  計算機工程. 2018(02)
[4]社交網(wǎng)絡(luò)下學(xué)習(xí)推薦研究與實踐[J]. 吳正洋,湯庸,黃昌勤,黃泳航,丁蕊.  中國電化教育. 2016(03)
[5]混合學(xué)習(xí)的原理與應(yīng)用模式[J]. 李克東,趙建華.  電化教育研究. 2004(07)



本文編號：3240617