隨著大數(shù)據(jù)時代,特別是“互聯(lián)網+”的到來,信息過濾成為人們必須面對的問題。對于用戶不明確或難以表達的需求,推薦系統(tǒng)通過分析用戶動態(tài)和靜態(tài)數(shù)據(jù),更加主動、智能地過濾信息,從而向用戶展示他們潛在需求的東西。這一特性使得推薦系統(tǒng)在教育教學領域有著重要的作用。本文從推薦系統(tǒng)入手,深入探討大數(shù)據(jù)處理技術,分析列舉了一系列推薦算法及應用。嘗試從閱讀行為數(shù)據(jù)入手,構建學生的高階閱讀行為,作為教學輔助。本文依托Spark大數(shù)據(jù)平臺,設計了一套集數(shù)據(jù)存儲,數(shù)據(jù)清洗,個性化推薦的大數(shù)據(jù)推薦系統(tǒng),并詳細闡述了其主要功能的實現(xiàn)方法。本文構建了學生行為特征的多層次模型并生成學生的學習行為畫像,在這基礎上測試了高階學習行為的加入對基于近鄰的協(xié)同過濾算法有一定的提升,因此嘗試將學生閱讀行為的一些特征相似性融合到了隱語意模型中,提出了BSSVD++（Behaviour Combined SVD++）算法,并在現(xiàn)有的數(shù)據(jù)集上分別進行橫向、縱向比較,獲得了較好的模型和參數(shù)。研究結果表明本文提出的這種基于個人閱讀習慣特征的個性化推薦系統(tǒng)能夠合理有效地利用學生的閱讀行為數(shù)據(jù),較為精準的定位學生的閱讀習慣和閱讀風格,實現(xiàn)個性化... 

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景與研究意義
    1.2 研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 本文結構
第2章 相關概念及技術
    2.1 引言
    2.2 推薦系統(tǒng)研究
        2.2.1 基于內容的推薦算法
        2.2.2 協(xié)同過濾
    2.3 基于模型的協(xié)同過濾
        2.3.1 基于聚類的協(xié)同過濾
        2.3.2 基于矩陣分解的協(xié)同過濾
    2.4 Spark大數(shù)據(jù)處理框架研究
        2.4.1 Spark處理框架與RDD
        2.4.2 Hive
        2.4.3 ETL技術
    2.5 本章小結
第3章 學生畫像建模與推薦算法設計
    3.1 引言
    3.2 閱讀行為數(shù)據(jù)以及背景簡介
    3.3 用戶畫像構建
    3.4 基于學生閱讀行為的用戶畫像框架
        3.4.1 第一層:初始交互數(shù)據(jù)
        3.4.2 第二層:低階特征提取
        3.4.3 第三層:高階特征提取
    3.5 推薦算法設計
        3.5.1 基于內容的推薦
        3.5.2 基于鄰域的協(xié)同過濾
    3.6 融合學生學習行為特征的SVD分解
        3.6.1 學生閱讀行為相似性特征矩陣
        3.6.2 融合算法推導
    3.7 本章小結
第4章 閱讀推薦系統(tǒng)實現(xiàn)
    4.1 系統(tǒng)設計
        4.1.1 系統(tǒng)架構
        4.1.2 系統(tǒng)需求分析與設計
        4.1.3 數(shù)據(jù)的增量導入
    4.2 系統(tǒng)及其關鍵功能實現(xiàn)和展示
        4.2.1 Spark集群的搭建
        4.2.2 數(shù)據(jù)增量導入實現(xiàn)
    4.3 數(shù)據(jù)倉庫搭建以及操作
    4.4 用戶畫像模塊與推薦引擎
    4.5 工作調度
    4.6 本章小結
第5章 實驗分析
    5.1 數(shù)據(jù)集與預處理
    5.2 用戶畫像建立
    5.3 推薦算法模塊
    5.4 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
攻讀碩士學位期間主要的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于數(shù)據(jù)平臺的圖書館畢業(yè)季服務實踐研究——以暨南大學圖書館為例[J]. 都藍,肖麗萍,李賓.  圖書情報工作. 2015(22)
[2]基于OPAC統(tǒng)計數(shù)據(jù)的借閱率提升策略探討[J]. 孟德泉,董穎,沙婭弘,孟桂榮.  大學圖書館學報. 2014(05)

博士論文
[1]基于認知診斷的學生作答行為建模方法及應用研究[D]. 吳潤澤.中國科學技術大學 2018



本文編號：3712481