隨著互聯(lián)網(wǎng)時(shí)代的發(fā)展,物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、人工智能和5G技術(shù)加快了以技術(shù)應(yīng)用創(chuàng)新為特點(diǎn)的教育信息化2.0時(shí)代的到來。構(gòu)建智慧教育、教學(xué)與管理為一體的智慧校園,已成為高校教育與管理的重要研究課題之一。高校學(xué)生社團(tuán)作為“第一堂課”的重要延伸、“第二堂課”的核心載體,在高校管理教育和校園文化建設(shè)中發(fā)揮著重要作用。但據(jù)統(tǒng)計(jì),目前高校學(xué)生社團(tuán)的推廣、管理和活動(dòng)參與等仍采用傳統(tǒng)的人工方式進(jìn)行,大多數(shù)社團(tuán)的推廣主要依賴于社團(tuán)人員發(fā)傳單和深入學(xué)生中發(fā)布信息。這種形式不僅耗時(shí)耗力,而且難以滿足學(xué)生參與社團(tuán)和活動(dòng)的個(gè)性化需求,社團(tuán)和活動(dòng)的推廣形式單一,達(dá)到的效果不理想。本文結(jié)合高校社團(tuán)活動(dòng)的推廣需求,在研究了個(gè)性化推薦技術(shù)的基礎(chǔ)上,針對(duì)協(xié)同過濾算法中數(shù)據(jù)稀疏問題和基于內(nèi)容的推薦算法中語義分析缺陷問題進(jìn)行算法改進(jìn),設(shè)計(jì)并實(shí)現(xiàn)了高校學(xué)生社團(tuán)活動(dòng)推薦系統(tǒng)。本文的主要工作如下:1.針對(duì)傳統(tǒng)的協(xié)同過濾算法存在用戶和物品評(píng)分矩陣稀疏而導(dǎo)致推薦系統(tǒng)質(zhì)量的問題,本文選擇Jaccard相似系數(shù)作為相似性計(jì)算模型,提出了一種在Jaccard相似性度量方法上加入熱度懲罰因子和共同評(píng)分項(xiàng)數(shù)加權(quán)的改進(jìn)方法。首先通過熱度懲罰因子... 

【文章來源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于內(nèi)容的推薦示例

西南大學(xué)工程碩士學(xué)位論文8一般來說基于用戶的協(xié)同過濾算法包括以下三個(gè)步驟：1）構(gòu)建用戶-物品的評(píng)分矩陣；2）計(jì)算不同用戶之間的相似度，得到與目標(biāo)用戶相似的近鄰用戶集合；3）根據(jù)近鄰用戶集合中每個(gè)用戶對(duì)物品的偏好，將目標(biāo)用戶“未聽說”的物品推薦給目標(biāo)用戶。以音樂的推薦為例說明前面所述的步驟，如圖2-2所示。圖2-2基于用戶的協(xié)同過濾推薦示例對(duì)于個(gè)性化音樂推薦來講，用戶A和用戶C同時(shí)喜歡歌曲A和歌曲C，另外用戶C還喜歡歌曲D，因此實(shí)施推薦時(shí)，可以將用戶A沒有表達(dá)喜好的歌曲D推薦給用戶A。以上，第一步就是要構(gòu)建出用戶物品的評(píng)分矩陣。收集用戶對(duì)物品的評(píng)分?jǐn)?shù)據(jù)，然后將數(shù)據(jù)處理成m*n階的評(píng)分矩陣，m為用戶的個(gè)數(shù)，n為物品的個(gè)數(shù)。用戶對(duì)物品的偏好程度可通過評(píng)分來反映，設(shè)置評(píng)分區(qū)間為1至5，未評(píng)分處為空。假設(shè)用戶對(duì)物品所表達(dá)的偏好程度（即評(píng)分）見表2-2。表2-2用戶-物品評(píng)分表用戶物品a物品b物品c物品i物品ju3.04.003.50v4.004.54.53.5w03.5003.0x04.003.53.0第二步中的核心環(huán)節(jié)是計(jì)算用戶之間的相似度，目前常用的相似度計(jì)算方法有余弦相似度、皮爾遜相關(guān)系數(shù)、修正的余弦相似度，具體介紹見第三章節(jié)。

西南大學(xué)工程碩士學(xué)位論文10圖2-3基于物品的協(xié)同過濾推薦示例對(duì)于個(gè)性化音樂推薦來講，用戶C喜歡歌曲A，歌曲C和歌曲A相似，那么便可以把用戶C沒有表達(dá)喜好的歌曲C推薦給用戶C。3.協(xié)同過濾推薦算法對(duì)比分析基于物品的協(xié)同過濾與基于用戶的協(xié)同過濾在思路上基本相同，只是在相似度計(jì)算步驟中的計(jì)算對(duì)象有所不同，由此可以看出：基于物品的協(xié)同過濾算法注重的是用戶有過行為的歷史物品，用戶本身的興趣變化和繼承對(duì)用戶影響更大，因此更加注重個(gè)性化；而基于用戶的協(xié)同過濾算法注重的是用戶所在的興趣“小組”，給用戶推薦的是所在小組中的熱門商品，更注重社會(huì)化[36]。但其相似度的計(jì)算方法兩者是同樣適用的。下面從適用場(chǎng)景、推薦系統(tǒng)多樣性這兩個(gè)方面來對(duì)比一下User-CF和Item-CF算法。首先，從適用場(chǎng)景上進(jìn)行分析：Item-CF算法利用物品間的相似性來推薦，所以當(dāng)用戶數(shù)量遠(yuǎn)遠(yuǎn)超過物品數(shù)量時(shí)，可以考慮適用Item-CF算法，該算法更適用于電商和博客類商品或文字?jǐn)?shù)據(jù)相對(duì)穩(wěn)定的平臺(tái)；User-CF算法利用用戶間的相似性來推薦，所以當(dāng)物品數(shù)量遠(yuǎn)遠(yuǎn)超過用戶數(shù)量時(shí)，可以考慮User-CF算法，該算法更適用于新聞?lì)惡投桃曨l類等類似快消素材網(wǎng)站。其次，從推薦系統(tǒng)多樣性上的分析：單用戶的多樣性方面，Item-CF算法不如User-CF算法多樣性豐富，因?yàn)镮tem-CF算法推薦的是和之前有過行為的物品相似的物品，物品覆蓋面比較小，豐富度較低；但系統(tǒng)的多樣性方面，Item-CF算法的多樣性要遠(yuǎn)遠(yuǎn)優(yōu)于User-CF算法，因?yàn)閁ser-CF算法更加注重對(duì)熱門物品的推薦。相比Item-CF算法的推薦有很好的新穎性，容易發(fā)現(xiàn)并推薦長尾里的物品。兩者優(yōu)缺點(diǎn)也可見下表2-X歸納：

【參考文獻(xiàn)】：
期刊論文
[1]加入懲罰因子的電商平臺(tái)協(xié)同過濾推薦算法[J]. 崔國琪,李林.  軟件導(dǎo)刊. 2020(01)
[2]基于元算法Django架構(gòu)下社團(tuán)推薦系統(tǒng)的設(shè)計(jì)[J]. 趙琳,徐明昊.  微型電腦應(yīng)用. 2019(06)
[3]“互聯(lián)網(wǎng)+”時(shí)代高校學(xué)生社團(tuán)管理現(xiàn)狀與對(duì)策[J]. 金少芬.  文教資料. 2019(06)
[4]協(xié)同過濾算法中冷啟動(dòng)問題研究[J]. 邵煜,謝穎華.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(02)
[5]改進(jìn)模糊劃分聚類的協(xié)同過濾推薦算法[J]. 蘇慶,章靜芳,林正鑫,李小妹,蔡昭權(quán),曾永安.  計(jì)算機(jī)工程與應(yīng)用. 2019(05)
[6]教育信息化2.0的時(shí)代邏輯——《教育信息化2.0行動(dòng)計(jì)劃》解讀之一[J]. 吳旻瑜,武曉菲.  遠(yuǎn)程教育雜志. 2018(04)
[7]基于改進(jìn)聚類和矩陣分解的協(xié)同過濾推薦算法[J]. 王永貴,宋真真,肖成龍.  計(jì)算機(jī)應(yīng)用. 2018(04)
[8]融合協(xié)同過濾的線性回歸推薦算法[J]. 龐海龍,趙輝,李萬龍,馬瑩,崔巖.  計(jì)算機(jī)應(yīng)用研究. 2019(05)
[9]軟件測(cè)試方法研究[J]. 劉宇軒.  科技風(fēng). 2018(04)
[10]大規(guī)模隱式反饋的詞向量音樂推薦模型[J]. 于帥,林宣雄,邱媛媛.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(11)

博士論文
[1]協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[D]. 孔維梁.華中師范大學(xué) 2013
[2]樸素貝葉斯分類器及其改進(jìn)算法研究[D]. 蔣良孝.中國地質(zhì)大學(xué) 2009

碩士論文
[1]高校大學(xué)生社團(tuán)管理平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 龔文輝.江西師范大學(xué) 2018
[2]基于混合協(xié)同過濾方法的在線教育推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 李英.西安電子科技大學(xué) 2018
[3]基于改進(jìn)的個(gè)性化混合推薦算法的研究[D]. 鐘良月.浙江工商大學(xué) 2018
[4]基于用戶個(gè)性數(shù)據(jù)的信息推薦系統(tǒng)研究與實(shí)現(xiàn)[D]. 李超.湖南師范大學(xué) 2017
[5]基于word2vec詞向量的文本分類研究[D]. 朱磊.西南大學(xué) 2017
[6]基于協(xié)同過濾的個(gè)性化推薦算法研究[D]. 李昂.電子科技大學(xué) 2017
[7]基于用戶行為協(xié)同過濾推薦算法[D]. 杜彥永.安徽理工大學(xué) 2016
[8]基于內(nèi)容和協(xié)同過濾的混合算法在推薦系統(tǒng)中的應(yīng)用研究[D]. 何佳知.東華大學(xué) 2016
[9]基于MovieLens數(shù)據(jù)集的協(xié)同過濾推薦系統(tǒng)研究[D]. 李清.西安電子科技大學(xué) 2014
[10]高校社團(tuán)活動(dòng)的德育作用及其實(shí)現(xiàn)研究[D]. 王洪偉.吉林農(nóng)業(yè)大學(xué) 2014



本文編號(hào)：3511466