基于社会化标签和混合模式的教学资源个性化推荐系统的设计

发布时间：2017-04-30 22:09

  本文关键词：基于社会化标签和混合模式的教学资源个性化推荐系统的设计，由笔耕文化传播整理发布。

【摘要】：伴随着网络时代的大发展,人们要在浩如烟海的网络数据中,发现自己感兴趣的数据越来越难。而个性化推荐系统,为解决这一问题提供了一个非常好的思路。它可以通过显性或隐性的方式收集信息来产生个性化的推荐。虽然,由于人们在个性化推荐方面已经做出了大量的研究。但是,个性化系统还是在预测方面存在很大的不足,特别是在对用户模型的预测方面。为此我们引入了社会化标签系统。 而作为web2.0的代表技术之一的社会化标签系统,也在信息的标注方面取得了不错的成效,并已经成功的应用于网络的很多方面。社会化标签系统,不仅能够完成对网络数据的较为合理的分类。它的社会化特性,使得我们能够从中间挖掘出很多的潜在用户信息以及用户的社会化关系。 本文主要是提供了一种基于社会化标签的混合推荐系统。它的核心思想主要集中在以下几个方面： 1、首先,用户基本模型和资源基本模型的建立。它是采用基于用户-标签、资源-标签的权重矩阵来表示的,而这些权重的提取时基于TF-IDF的文本信息提取技术。 2、其次,同义词提取技术。为了使得标签能够更为准确反映真实的信息,本文对得到的数据进行了同义词提取环节。 3、再次,对社会化属性的挖掘。为了挖掘出标签系统中潜在的用户与用户的关系,本文使用了基于关联数据挖掘算法Apriori对其社会属性进行挖掘。这样做的目的是为了提高用户模型表示的准确性。 4、还有,采用基于兴趣的方式进行个性化推荐。为了更为准确的预测用户的模型,采用了聚类算法将标签聚类。在聚类的基础上预测,一般会达到更为准确的效果。 5、最后,在预测的用户模型的基础上,采用基于内容和基于协同过滤的混合技术产生个性化的。 通过本文的研究,提出了一个教学资源个性化推荐系统的模型,和一些具体实现需要的细节,提供了一种比较新颖的系统结构来实现个性化的教学资源推荐(例如在用户模型的预测方面,是将两种数据挖掘技术结合起来,这样使得得到的用户模型可能更为准确)。只需要对其进行少量的修改,它便可以应用于其他方向的个性化推荐。
【关键词】：社会化标签 个性化推荐 混合模式 同义词 关联规则 聚类 协同过滤 教学资源
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP391.3;G434
【目录】：

• 致谢5-6
• 中文摘要6-8
• ABSTRACT8-10
• 目录10-13
• 1 绪论13-19
• 1.1 选题背景13-15
• 1.1.1 学习型社会的兴起13
• 1.1.2 海量数据涌现13-14
• 1.1.3 个性化推荐系统在电子商务的成功14-15
• 1.2 国内外研究的现状15-16
• 1.2.1 个性化推荐系统研究现状15-16
• 1.3 研究内容和意义16-17
• 1.3.1 研究内容16-17
• 1.3.2 研究意义17
• 1.4 本章小结17-19
• 2 个性化推荐系统的理论基础19-33
• 2.1 推荐系统综述19-20
• 2.1.1 推荐系统概述19-20
• 2.2 个性化推荐系统的分类20-30
• 2.2.1 基于内容的个性化推荐20-22
• 2.2.2 基于关联规则的个性化推荐22-24
• 2.2.3 基于数据挖掘的个性化推荐24-25
• 2.2.4 基于协同过滤的个性化推荐25-28
• 2.2.5 基于混合模式的个性化推荐28-30
• 2.3 本文的混合模式的个性化推荐的介绍30-32
• 2.3.1 个性化推荐系统混合方式的选择30-31
• 2.3.2 混合模式带来的好处31-32
• 2.4 本章小结32-33
• 3 社会化标签系统研究与应用33-38
• 3.1 社会化标签系统的概述33-35
• 3.2 社会化标签系统的应用35-36
• 3.2.1 社会化标签系统实际中的应用35
• 3.2.2 社会化标签系统的社会特性35-36
• 3.2.3 社会标签系统的动态更新36
• 3.2.4 社会化标签与知识共享36
• 3.3 本章小结36-38
• 4 用户和资源建模38-54
• 4.1 建模的简介38-39
• 4.2 建模数据的收集39-40
• 4.3 建模的分类40-43
• 4.3.1 基于向量空间模型的建模技术41
• 4.3.2 基于评分矩阵的建模技术41
• 4.3.3 基于案例的建模技术41-42
• 4.3.4 基于神经网络的建模技术42
• 4.3.5 基于本体的建模技术42-43
• 4.4 建模技术的选择43
• 4.5 选择标签系统的原因43-44
• 4.6 用户建模44-53
• 4.6.1 用户建模思想44-45
• 4.6.2 用户模型的初步建立45-46
• 4.6.3 资源建模思想46
• 4.6.4 同义标签的提取46-48
• 4.6.5 社会特性的反映48-49
• 4.6.6 基于兴趣组的建模49-53
• 4.7 本章小结53-54
• 5 个性化推荐系统的架构和算法的设计54-59
• 5.1 个性化推荐系统的结构54-55
• 5.2 用户模型的进一步预测55-57
• 5.3 推荐的实现57-58
• 5.3.1 直接基于内容推荐57
• 5.3.2 基于协同过滤的推荐57
• 5.3.3 个性化推荐的结果输出57-58
• 5.4 本章小结58-59
• 6 总结和展望59-61
• 6.1 研究总结59
• 6.2 研究展望59-61
• 参考文献61-64
• 作者简历64-66
• 学位论文数据集66

【参考文献】

中国期刊全文数据库 前3条

1 陈新中,李岩,谢永红,杨炳儒;Web挖掘研究[J];计算机工程与应用;2002年13期

2 孙铁利,杨凤芹;根据用户隐式反馈建立和更新用户兴趣模型[J];东北师大学报(自然科学版);2003年03期

3 熊馨,王卫平,叶跃祥;基于概念分层的个性化推荐算法[J];计算机应用;2005年05期

中国硕士学位论文全文数据库 前4条

1 黄海江;基于本体的学习内容个性化推荐[D];湖南大学;2007年

2 杨麟儿;基于用户兴趣的个性化推荐系统的研究与设计[D];北京交通大学;2008年

3 张帆;WEB数据挖掘在商务网站中的应用实践[D];山东大学;2007年

4 张海鹏;基于Web日志挖掘的个性化推荐研究[D];重庆大学;2007年

  本文关键词：基于社会化标签和混合模式的教学资源个性化推荐系统的设计，由笔耕文化传播整理发布。

，

本文编号：337689