一种基于向量的在线学习推荐系统架构

发布时间：2018-02-27 16:04

  本文关键词： 协同过滤推荐 基于向量的推荐 在线学习推荐　出处：《情报科学》2017年07期 　论文类型：期刊论文

【摘要】：【目的/意义】提出一种基于向量的在线学习推荐系统架构,通过将访问序列的先后次序作为推荐的重要依据,将访问记录预处理进行向量表示,在此基础上基于向量利用DBSCAN算法对用户进行协同过滤聚类并实施知识点推荐。【方法/过程】将用户访问学习资源的日志记录进行解析,并进行预处理以向量的格式表示,在考虑浏览历史日志的同时,将访问序列的先后次序作为推荐的重要依据,进而基于向量利用DBSCAN算法对用户进行协同过滤聚类,并实施推荐。【结果/结论】利用用户历史学习记录进行向量表示,充分考虑知识点学习次序,提出了一种在线学习推荐新方法的尝试,实验结果表明该推荐方法是有效的。
[Abstract]:[objective / significance] A vector-based online learning recommendation system architecture is proposed. By taking the order of access sequences as an important basis for recommendation, the preprocessing of access records is represented by vector. On this basis, the DBSCAN algorithm is used for collaborative filtering clustering and knowledge point recommendation. [methods / procedures] parse the log records of users accessing learning resources, and preprocess them to represent them in vector format. At the same time, the order of access sequence is considered as the important basis of recommendation, and then the collaborative filtering clustering of users is carried out by using DBSCAN algorithm based on vector. [results / conclusion] A new online learning recommendation method is proposed, which is based on the vector representation of users' historical learning records and the order of knowledge learning. The experimental results show that the proposed method is effective.
【作者单位】： 天津外国语大学教育技术与实验室管理中心;天津财经大学商学院;
【基金】：教育部人文社科青年项目(13YJC630195)
【分类号】：G434;TP391.3

【相似文献】

相关期刊论文 前6条

1 周强;;基于用户的协同过滤推荐算法研究[J];南昌高专学报;2006年03期

2 刘旭东;叶长国;;一种基于用户偏好序列的协同过滤推荐[J];泰山学院学报;2009年06期

3 赵超超;;基于用户和基于项目结合的个性化推荐算法[J];内蒙古农业大学学报(社会科学版);2007年06期

4 侯强;孙瑜;;基于中心节点重叠社区发现的协同过滤推荐系统[J];沈阳工业大学学报(社会科学版);2013年04期

5 石宜金;;一种图书馆书籍的个性化推荐方法[J];成都师范学院学报;2014年05期

6 ;[J];;年期

相关会议论文 前10条

1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

相关博士学位论文 前10条

1 纪科;融合上下文信息的混合协同过滤推荐算法研究[D];北京交通大学;2016年

2 程殿虎;基于协同过滤的社会网络推荐系统关键技术研究[D];中国海洋大学;2015年

3 于程远;基于QoS的Web服务推荐技术研究[D];上海交通大学;2015年

4 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

5 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年

6 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年

7 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年

8 高e，

本文编号：1543355