教学资源个性化推荐系统的设计和实现
本文关键词：教学资源个性化推荐系统的设计和实现
【摘要】：随着信息技术的飞速发展,互联网已经成了信息共享的平台,各行各业都开始利用互联网来加速自身的信息化进程,来满足对信息的获取和分享的需求。然而伴随而来的就是信息爆炸的问题,在互联网上分享的资源太多,用户很难从互联网海量的信息中找到自己需要的信息或者用户对自己需求的信息不是很明确。于是搜索引擎和推荐引擎出现了,前者帮助用户搜索到需要的信息,后者能根据用户的口味和偏好把资源推荐给用户。但是大多数情况下用户很难表达自己的需求,因此一个能很好的懂得用户需求信息的推荐系统是很有必要的。 在教育教学中,信息化的进程也在快速发展,教学辅助系统已经被采用到很多的教学实践当中。教学辅助系统可以作为教学的一部分,帮助老师更好的把教学内容分享给同学,同学则可以通过此系统更好的跟老师和其他同学沟通和分享获取资源,因此教学辅助系统可以看作是课上教学的补充,学生可以在课下根据自己需求自主学习。当教学辅助系统中分享的资源越来越多时,一个有效的个性化推荐系统就很有必要了。 本论文设计和实现了一个针对教学辅助系统的个性化推荐系统,此推荐系统根据用户的浏览记录、浏览习惯和偏好,把用户可能感兴趣的教学资源推荐给用户。本推荐系统应用了一个基于神经网络的混合推荐模型,包含四个模块,分别是基于内容推荐模块、基于项目协同过滤推荐模块、基于用户协同过滤推荐模块和基于神经网络推荐模块,其中前三个模块的输出作为神经网络模块输入,而且神经网络模块会记录每个用户的偏好习惯,从而对用户进行个化推荐。此外,本推荐模型采用两步训练的方法,解决了用户冷启动问题。本推荐系统为教学资源的个性化推荐提供了一个很好的解决方案。
【关键词】：推荐系统 教学辅助系统 神经网络 协同过滤
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP391.3;G434
【目录】：
- 摘要4-5
- Abstract5-9
- 1 绪论9-14
- 1.1 本课题的研究背景9
- 1.2 国内外推荐系统发展及分析9-12
- 1.2.1 推荐系统简介9-10
- 1.2.2 国内推荐系统发展及分析10-11
- 1.2.3 国外推荐系统发展及分析11-12
- 1.3 研究目的和意义12
- 1.4 研究内容12-13
- 1.5 本章小结13-14
- 2 推荐技术14-21
- 2.1 概述14
- 2.2 分类14-17
- 2.2.1 基于用户协同过滤算法15-16
- 2.2.2 基于项目协同过滤算法16-17
- 2.2.3 基于模型协同过滤算法17
- 2.3 相似度计算算法17-18
- 2.3.1 皮尔森相关系数17
- 2.3.2 余弦相似度17-18
- 2.3.3 矫正余弦相似度18
- 2.3.4 基于项目相似度与基于用户相似度的差异18
- 2.3.5 相似度计算的不足与其改进18
- 2.4 算法评价指标18-19
- 2.4.1 平均绝对误差18-19
- 2.4.2 平均准确度19
- 2.4.3 P@n测度19
- 2.4.4 AUC测度19
- 2.5 协同过滤算法的优缺点以及解决方法19-20
- 2.6 本章小结20-21
- 3 需求分析21-33
- 3.1 功能需求21-23
- 3.2 性能需求23
- 3.3 系统用例分析23-30
- 3.3.1 系统用例23-24
- 3.3.2 用例描述24-30
- 3.4 系统数据流图30-33
- 4 系统设计33-53
- 4.1 系统结构设计33
- 4.2 推荐算法设计33-44
- 4.2.1 应用场景介绍33-34
- 4.2.2 推荐算法详细设计34-42
- 4.2.3 推荐算法数据存储42
- 4.2.4 推荐算法评估42-43
- 4.2.5 推荐算法设计总结43-44
- 4.3 数据库设计44-53
- 4.3.1 实体描述44-47
- 4.3.2 E-R图47-48
- 4.3.3 数据库表结构48-53
- 5 系统实现53-65
- 5.1 资源查看模块实现54-56
- 5.1.1 资源浏览子模块实现54-55
- 5.1.2 查看分类下资源子模块实现55-56
- 5.1.3 关键字检索资源子模块实现56
- 5.2 传下载模块实现56-58
- 5.2.1 资源上传子模块实现56-57
- 5.2.2 资源审核子模块实现57
- 5.2.3 资源下载子模块实现57-58
- 5.3 打分评论模块实现58
- 5.3.1 资源打分子模块实现58
- 5.3.2 资源评论子模块实现58
- 5.4 资源管理模块实现58-59
- 5.4.1 资源编辑子模块实现58-59
- 5.4.2 资源删除子模块实现59
- 5.5 分类管理模块实现59-61
- 5.5.1 分类添加子模块设计59-60
- 5.5.2 分类编辑子模块实现60
- 5.5.3 分类删除子模块实现60-61
- 5.6 消息提醒模块实现61-62
- 5.6.1 消息生成子模块实现61-62
- 5.6.2 显示消息子模块实现62
- 5.7 推荐模块实现62-63
- 5.7.1 教学资源首页推荐子模块实现62
- 5.7.2 教学资源详细页推荐子模块实现62-63
- 5.8 系统实现代码介绍63-65
- 5.8.1 首页推荐训练数据收集模块63-64
- 5.8.2 首页推荐模型训练64-65
- 6 模型评估65-68
- 6.1 评估实验设计65-66
- 6.2 评估结果与分析66-68
- 结论68-69
- 参考文献69-71
- 附录A 部分代码示例71-73
- 致谢73-74
【共引文献】
中国期刊全文数据库 前10条
1 黎星星;Building a better recommender system in E-commerce[J];Journal of Chongqing University;2003年01期
2 朱郁筱;吕琳媛;;推荐系统评价指标综述[J];电子科技大学学报;2012年02期
3 侯治平;;用户行为模式下电子商务网站个性化推荐研究[J];电脑与信息技术;2011年04期
4 谷钰;薛国明;;基于ACM在线评测推荐系统模型研究[J];电脑知识与技术;2011年07期
5 刘兆兴;张宁;李季明;;基于协同过滤和网络结构的个性化推荐算法[J];复杂系统与复杂性科学;2011年02期
6 刘平峰;聂规划;陈冬林;;电子商务推荐系统中推荐策略的自适应性[J];计算机工程与应用;2007年04期
7 刘平峰;聂规划;陈冬林;;基于知识的电子商务智能推荐系统平台设计[J];计算机工程与应用;2007年19期
8 王进;;一种使用DSmTrust信任模型的推荐系统[J];计算机工程与应用;2011年13期
9 陈剑;张冬梅;陈钊;;林产品贸易信息推送梯级过滤技术[J];计算机工程与应用;2012年14期
10 任磊;;基于增量学习的混合推荐算法[J];计算机应用;2010年05期
中国重要会议论文全文数据库 前2条
1 ;An Analysis on the Personalized Recommendation Architecture of Mobile Commerce Application[A];第六届（2011）中国管理学年会——管理科学与工程分会场论文集[C];2011年
2 ;COLLABORATIVE FILTERING RECOMMENDATION ALGORITHM BASED ON LOOK-AHEAD SELECTIVE SAMPLING[A];2006年中国机械工程学会年会暨中国工程院机械与运载工程学部首届年会论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 张寅;个性化技术及其在数字图书馆中应用的研究[D];浙江大学;2009年
2 陈伟;基于时序文本挖掘的新闻内容理解与推荐技术研究[D];浙江大学;2010年
3 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年
4 余小高;电子商务环境中分布式数据挖掘的研究[D];武汉理工大学;2007年
5 刘平峰;基于知识网格的电子商务智能推荐理论方法研究[D];武汉理工大学;2006年
6 刘康苗;自适应网络信息获取服务技术研究[D];浙江大学;2008年
7 史e，
本文编号：962818
本文链接：https://www.wllwen.com/jiaoyulunwen/wangluojiaoyulunwen/962818.html
