隨著互聯(lián)網(wǎng)信息技術(shù)的飛速發(fā)展,多種多樣的在線課程大量涌現(xiàn),為眾多學(xué)習(xí)者提供了豐富的學(xué)習(xí)資源和靈活選擇。與此同時(shí),這種互聯(lián)網(wǎng)平臺(tái)信息“超載”現(xiàn)象的日益加劇,導(dǎo)致學(xué)習(xí)者需要花費(fèi)大量時(shí)間和精力搜索、選擇適合自身的學(xué)習(xí)資源,且往往效果也不盡如人意,這就大大削弱了在線學(xué)習(xí)平臺(tái)的輔助作用。為解決這一問題,可采用協(xié)同過濾推薦方法給用戶推薦個(gè)性化學(xué)習(xí)課程資源。在分析流行度推薦算法的基礎(chǔ)上提出加入用戶分群的流行度推薦算法,解決新注冊(cè)用戶在協(xié)同過濾推薦技術(shù)中存在的冷啟動(dòng)的難題。對(duì)于老用戶,流行度和流行度差異對(duì)協(xié)同過濾中相似度的計(jì)算影響很大,提出結(jié)合自適應(yīng)流行度閾值的項(xiàng)目流行度加權(quán)的協(xié)同過濾推薦算法,通過設(shè)置自適應(yīng)的流行度閾值和流行度懲罰和補(bǔ)償?shù)臋?quán)重,并將其引入到相似度計(jì)算公式中,對(duì)于流行度大于閾值的課程進(jìn)行懲罰,對(duì)于流行度小于閾值的課程進(jìn)行補(bǔ)償,由此,減輕了流行度和流行度的差異對(duì)協(xié)同過濾項(xiàng)目相似度的計(jì)算影響,并且提升了個(gè)性化課程推薦系統(tǒng)的覆蓋率。主要工作如下:1.基于個(gè)性化推薦系統(tǒng)國(guó)內(nèi)和國(guó)外的研究背景,論文介紹了基于關(guān)聯(lián)規(guī)則和協(xié)同過濾的推薦算法理論思想和實(shí)現(xiàn)過程,以及他們各自的優(yōu)缺點(diǎn)。2.針對(duì)協(xié)同過濾推薦...

【文章頁數(shù)】：50 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１傳統(tǒng)推薦算法的分類??

性化課程推薦系統(tǒng)的出現(xiàn)解決了這一問題，該技術(shù)利用用戶行為數(shù)據(jù)，選擇合適的推薦算法來實(shí)??現(xiàn)這個(gè)過程。傳統(tǒng)的推薦技術(shù)主要有：基于內(nèi)容的、基于關(guān)聯(lián)規(guī)則的、基于協(xié)同過濾的和混合推??薦，如圖２－１所示：??，？，一：：．．．．．．：竺?．．．．．！??Ｚ?????／?一．＿一一一一基子....

圖２－３推薦過程示意圖??基于用戶的協(xié)同過濾算法的詳細(xì)過程如下：??（１）構(gòu)建用戶一項(xiàng)目評(píng)分矩陣??

的朋友那里得到推薦項(xiàng)目。比如你的朋友們喜歡電影哈利波特，那么你自己看哈利波特電影的概??率就很大，我們把你最近鄰朋友的興趣愛好推薦給你，這就是基于用戶的協(xié)同過濾推薦算法的推??薦思想［１５］，其過程如圖２－２所示：??（構(gòu)建用戶一項(xiàng)目１?計(jì)算用戶相似度１?預(yù)測(cè)未評(píng)價(jià)１??＾?評(píng)分....

圖２－４推薦過程示意圖??２．２．３基于模型的協(xié)同過濾推薦方法??

推疔—＊??圖２－３推薦過程示意圖??基于用戶的協(xié)同過濾算法的詳細(xì)過程如下：??（１）

圖２－５程序執(zhí)行流程圖??２．６本章小結(jié)??

寧夏大學(xué)碩士學(xué)位論文?第二章相關(guān)理論技術(shù)及開發(fā)工具??２．４．２相似度計(jì)算公式差異??佘弦相似度計(jì)算的過程中包括了用戶所有信息，包括缺省的打分信息。而皮爾森相關(guān)系數(shù)與??修正余弦相似度計(jì)算只涵蓋了兩個(gè)用戶都進(jìn)行評(píng)分的項(xiàng)目信息，皮爾森相關(guān)系數(shù)的標(biāo)準(zhǔn)是該項(xiàng)目??的評(píng)分均值，修正余弦相....

本文編號(hào)：3986610