社交网络中小学教育资源的推荐研究与系统实现
发布时间：2020-12-21 20:20
随着社会信息化和互联网技术的发展,人们接受教育的方式逐渐丰富,获取教育资源的途径越来越多样化,教育资源从线下向线上扩展的趋势成为必然。在“互联网+教育”背景下,社交网络的飞速地发展以及社交网络产品的不断迭代更新,吸引了大量的教育学者、老师、家长以及孩子使用社交网络进行教育资源信息交换,来突破传统的教育教学方式,人们也更愿意从社交网络中寻求教育资源信息。因此,用户如何在有限的时间内从海量的信息资源中获取更多有效的教育资源是亟需解决的问题。本文研究以社交网络小学教育资源为例,为小学生、家长和关注小学教育资源的其他用户群体寻找教育资源服务而提出,设计效果良好的推荐算法,解决用户如何在短时间内快速地获取和收集所需的小学教育资源,以及挖掘关注小学教育资源的用户群体,向他们推荐有用的教育资源。本文主要从以下几个部分开展研究:第一部分是提出混合相似度的协同过滤推荐算法。针对传统的协同过滤算法余弦相似度计算方式易出现数据集稀疏问题,提出借助关键词表的计算方法,间接计算内容相似度,同时,多角度地从作者、用户与资源文本之间的联系出发,在传统的协同过滤算法上作改进,分别计算作者相似度和用户相似度,然后混合相...
【文章来源】：中央民族大学北京市 211工程院校 985工程院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图１－丨论文的研究内容??在本课题中，主要研究的内容如下：??
表示用户ｕ的潜在用户集合中相似用户ｖ对项目ｉ的矢量评分数据，例如用户ｖ在教育资??源推荐系统中，用户对资源打分的矢量评分数据。??如图２－１为基于用户的协同过滤算法推荐过程描述。??丨喜好????＾资源Ａ??「＾＾??资源Ｂ??－推荐资源Ｄ?一?）??Ｌ?推荐资源?一?＼??＇＇＇＇资源?Ｄ??用户３??图２－丨基于用户的协同过滤算法推荐过程描述图??由图２－１可以看出，用户１与用户２，用户３感兴趣的资源项目集合相似，基于用户的??协Ｍ过滤推荐算法通过比较用户１喜好来判断用户２和用户３可能感兴趣的项目，将用户??１感兴趣的资源Ｄ作为推荐资源推荐给用户２，用户Ｉ感兴趣的资源Ａ作为推荐资源推荐??给用户３。该图表达的含义是寻找最近用户集中用户偏好程度高的资源项目，作为推荐项??目推荐给其他用户。??２．２．３基于项目的协同过滤推荐算法??基于项目的协同过滤算法主要思想是计算项目间相似程度得到用户对项目的感兴趣程??度，形成推荐列表１２？。项目间相似程度可以从两方面考虑，一方面是用户对项目评分的矢??８??
〇週：…??Ｊ：Ｈ?户?３??图２－２基于项目的协同过滤算法推荐过程描述图??由图２－２可以看出，用户１、２、３均对资源Ａ、Ｂ、Ｃ感兴趣，则认为资源Ａ、Ｂ、Ｃ??为相似资源，如果存在用户关注资源Ａ，则资源Ｂ，?Ｃ作为推荐列表，将会被推荐给该用??户。该图表达的含义是将项目集中与用户感兴趣的项目相似的其他项目推荐给用户。??２．?３面向社交网络的推荐算法研究介绍??互联网的流行带来了大量的用户流量，推荐技术正是基于流量信息冗余诞生而出，从??庞大信息中对用户进行解析，挖掘用户的喜好和习惯Ｉ％。社交网络是伴随着社交软件兴起??的，社交网络中包含了用户日常活跃诸多信息，能够为推荐带来最精确的数据信息，越来??越多的推荐研究学者关注到社交网络中推荐算法的研究意义，此研宄内容也成为当下研究??的热门方向［２７－气??在国外，Ｓｅｏ，?Ｙｏｕｎｇ－Ｄｕｋ在文献中指出社会发展主流的社交网络和社交软件ＳＮＳ??（Ｓｏｃｉａｌ?Ｎｅｔｗｏｒｋｉｎｇ?Ｓｅｒｖｉｃｅｓ）对推荐算法的研宄帮助显而易见，且具有显著的提升推荐效??果丨３°１。ＭｉｃｈｅｌＰｌｕ
【参考文献】：
期刊论文
[1]教育信息化2.0的内涵解读、思维模式和系统性变革[J]. 胡钦太,张晓梅. 现代远程教育研究. 2018(06)
[2]一种基于相似度和信任度融合的微博内容推荐方法[J]. 李吉,黄微,郭苏琳. 图书情报工作. 2018(11)
[3]基于用户协同过滤推荐算法研究与应用[J]. 陈强. 福建电脑. 2017(01)
[4]基于混合属性相似度的协同过滤推荐算法研究[J]. 甘秋鹏,葛万成,汪亮友,林佳燕. 信息技术. 2016(06)
[5]一种改进的混合推荐算法[J]. 宋文君,郭强,刘建国. 上海理工大学学报. 2015(04)
[6]上下文感知的移动社交网络推荐算法研究[J]. 张志军,刘弘. 模式识别与人工智能. 2015(05)
[7]基于微博交互信息的社交网络推荐算法[J]. 周磊,覃俊,刘晶. 软件导刊. 2015(04)
[8]社交网络分析核心科学问题、研究现状及未来展望[J]. 方滨兴,贾焰,韩毅. 中国科学院院刊. 2015(02)
[9]基于用户-标签-项目语义挖掘的个性化音乐推荐[J]. 李瑞敏,林鸿飞,闫俊. 计算机研究与发展. 2014(10)
[10]基于社交网络的个性化推荐技术[J]. 张富国. 小型微型计算机系统. 2014(07)
硕士论文
[1]面向社交网络的个性化推荐算法的研究[D]. 张皓.北京邮电大学 2018
[2]学习资源个性化推荐系统的研究与实现[D]. 王新.华北电力大学(北京) 2018
[3]社交网络中教育资源推荐的目标用户挖掘研究[D]. 徐亚.中央民族大学 2017
[4]社交网络中的主题用户推荐算法研究[D]. 陈舜华.广东工业大学 2015
[5]网络教育资源分类及推荐机制研究[D]. 杨帆.首都师范大学 2014
[6]基于混合推荐算法的微博网络广告推荐研究[D]. 杜爱玲.中国海洋大学 2014
[7]推荐系统用户相似度计算方法研究[D]. 朱文奇.重庆大学 2014
[8]微博客用户的使用动机与行为[D]. 王娟.山东大学 2010
本文编号：2930444
【文章来源】：中央民族大学北京市 211工程院校 985工程院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图１－丨论文的研究内容??在本课题中，主要研究的内容如下：??
表示用户ｕ的潜在用户集合中相似用户ｖ对项目ｉ的矢量评分数据，例如用户ｖ在教育资??源推荐系统中，用户对资源打分的矢量评分数据。??如图２－１为基于用户的协同过滤算法推荐过程描述。??丨喜好????＾资源Ａ??「＾＾??资源Ｂ??－推荐资源Ｄ?一?）??Ｌ?推荐资源?一?＼??＇＇＇＇资源?Ｄ??用户３??图２－丨基于用户的协同过滤算法推荐过程描述图??由图２－１可以看出，用户１与用户２，用户３感兴趣的资源项目集合相似，基于用户的??协Ｍ过滤推荐算法通过比较用户１喜好来判断用户２和用户３可能感兴趣的项目，将用户??１感兴趣的资源Ｄ作为推荐资源推荐给用户２，用户Ｉ感兴趣的资源Ａ作为推荐资源推荐??给用户３。该图表达的含义是寻找最近用户集中用户偏好程度高的资源项目，作为推荐项??目推荐给其他用户。??２．２．３基于项目的协同过滤推荐算法??基于项目的协同过滤算法主要思想是计算项目间相似程度得到用户对项目的感兴趣程??度，形成推荐列表１２？。项目间相似程度可以从两方面考虑，一方面是用户对项目评分的矢??８??
〇週：…??Ｊ：Ｈ?户?３??图２－２基于项目的协同过滤算法推荐过程描述图??由图２－２可以看出，用户１、２、３均对资源Ａ、Ｂ、Ｃ感兴趣，则认为资源Ａ、Ｂ、Ｃ??为相似资源，如果存在用户关注资源Ａ，则资源Ｂ，?Ｃ作为推荐列表，将会被推荐给该用??户。该图表达的含义是将项目集中与用户感兴趣的项目相似的其他项目推荐给用户。??２．?３面向社交网络的推荐算法研究介绍??互联网的流行带来了大量的用户流量，推荐技术正是基于流量信息冗余诞生而出，从??庞大信息中对用户进行解析，挖掘用户的喜好和习惯Ｉ％。社交网络是伴随着社交软件兴起??的，社交网络中包含了用户日常活跃诸多信息，能够为推荐带来最精确的数据信息，越来??越多的推荐研究学者关注到社交网络中推荐算法的研究意义，此研宄内容也成为当下研究??的热门方向［２７－气??在国外，Ｓｅｏ，?Ｙｏｕｎｇ－Ｄｕｋ在文献中指出社会发展主流的社交网络和社交软件ＳＮＳ??（Ｓｏｃｉａｌ?Ｎｅｔｗｏｒｋｉｎｇ?Ｓｅｒｖｉｃｅｓ）对推荐算法的研宄帮助显而易见，且具有显著的提升推荐效??果丨３°１。ＭｉｃｈｅｌＰｌｕ
【参考文献】：
期刊论文
[1]教育信息化2.0的内涵解读、思维模式和系统性变革[J]. 胡钦太,张晓梅. 现代远程教育研究. 2018(06)
[2]一种基于相似度和信任度融合的微博内容推荐方法[J]. 李吉,黄微,郭苏琳. 图书情报工作. 2018(11)
[3]基于用户协同过滤推荐算法研究与应用[J]. 陈强. 福建电脑. 2017(01)
[4]基于混合属性相似度的协同过滤推荐算法研究[J]. 甘秋鹏,葛万成,汪亮友,林佳燕. 信息技术. 2016(06)
[5]一种改进的混合推荐算法[J]. 宋文君,郭强,刘建国. 上海理工大学学报. 2015(04)
[6]上下文感知的移动社交网络推荐算法研究[J]. 张志军,刘弘. 模式识别与人工智能. 2015(05)
[7]基于微博交互信息的社交网络推荐算法[J]. 周磊,覃俊,刘晶. 软件导刊. 2015(04)
[8]社交网络分析核心科学问题、研究现状及未来展望[J]. 方滨兴,贾焰,韩毅. 中国科学院院刊. 2015(02)
[9]基于用户-标签-项目语义挖掘的个性化音乐推荐[J]. 李瑞敏,林鸿飞,闫俊. 计算机研究与发展. 2014(10)
[10]基于社交网络的个性化推荐技术[J]. 张富国. 小型微型计算机系统. 2014(07)
硕士论文
[1]面向社交网络的个性化推荐算法的研究[D]. 张皓.北京邮电大学 2018
[2]学习资源个性化推荐系统的研究与实现[D]. 王新.华北电力大学(北京) 2018
[3]社交网络中教育资源推荐的目标用户挖掘研究[D]. 徐亚.中央民族大学 2017
[4]社交网络中的主题用户推荐算法研究[D]. 陈舜华.广东工业大学 2015
[5]网络教育资源分类及推荐机制研究[D]. 杨帆.首都师范大学 2014
[6]基于混合推荐算法的微博网络广告推荐研究[D]. 杜爱玲.中国海洋大学 2014
[7]推荐系统用户相似度计算方法研究[D]. 朱文奇.重庆大学 2014
[8]微博客用户的使用动机与行为[D]. 王娟.山东大学 2010
本文编号：2930444
本文链接：https://www.wllwen.com/jiaoyulunwen/jgkg/2930444.html
