协同过滤在驾考教练员智能推荐系统中的应用研究

发布时间：2018-02-25 21:40

  本文关键词： 驾培O2O服务 教练推荐 教练匹配 协同过滤 谱聚类 Delphi　出处：《西华师范大学》2016年硕士论文　论文类型：学位论文

【摘要】：近几年我国驾校呈现在数量上飞速增长与质量上每况愈下相结合的发展趋势。为了解决传统驾考模式存在的相关问题,适应自学自考后带来的转变,为学员在培训过程中自主选择教练,灵活培训提供智力支撑和数据支持,本文将重点针对驾培不同阶段的学员与教练之间科学适配问题进行研究.本文的研究前提是电子商务驾培学时制系统,即把教练的学时视同商品进行O2O交易。系统将软硬件系统结合,在物理模型的建设上,利用LBS定位技术以及RFID射频设备结合传感器技术,通过GIS服务进行学时数据,学车日志的搜集;在系统软件的设计上,利用了数据挖掘与网络安全等技术,通过需求分析和界面设计,建立了教练与学员端的交互软件。在教练员智能推荐算法的设计上,针对协同过滤算法存在的问题做出改进,针对其初始推荐质量较差的问题,利用基于Delphi的改进层次分析算法,通过对用户初始数据的预处理,使其在算法初期即拥有较高的推荐质量;而对于协同过滤算法的稀疏问题上,利用基于图论的谱聚类算法进行改进,在计算相似度匹配的同时,通过谱聚类算法寻找与推荐项相似的邻居项,提升算法的推荐性能;在传统协同过滤的新用户扩展困难的问题,根据系统实际需求,采用了基于物品的协同过滤推荐机制,有效降低了新用户的数据处理复杂程度。最后通过实验证明了改进后的算法在智能推荐系统上的有效性。
[Abstract]:In recent years, driving schools in our country have shown a trend of rapid increase in quantity and deterioration in quality. In order to solve the problems existing in the traditional driving test mode and adapt to the changes brought about by self-study, To provide intellectual support and data support for the trainees to choose their own coaches and to provide flexible training in the process of training. This paper will focus on the scientific adaptation between students and coaches in different stages of driving training. The system combines the hardware and software system with the hardware and software system. In the construction of physical model, it uses LBS positioning technology and RFID RF equipment combined with sensor technology, and carries out the study hour data through GIS service. In the design of system software, using the technology of data mining and network security, through the requirement analysis and interface design, the interaction software between coach and cadet is established. Aiming at the improvement of collaborative filtering algorithm and the poor quality of initial recommendation, the improved hierarchical analysis algorithm based on Delphi is used to preprocess the initial data of users. For the sparse problem of collaborative filtering algorithm, the spectral clustering algorithm based on graph theory is used to improve the algorithm, and the similarity matching is calculated at the same time. Through spectral clustering algorithm to find neighbor items similar to recommendation items, improve the recommendation performance of the algorithm; in the traditional collaborative filtering of new users expansion difficult problem, according to the actual needs of the system, the article based collaborative filtering recommendation mechanism, The data processing complexity of new users is reduced effectively. Finally, the effectiveness of the improved algorithm in intelligent recommendation system is proved by experiments.
【学位授予单位】：西华师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3

【相似文献】

中国期刊全文数据库 前10条

1 杨风召;;一种基于特征表的协同过滤算法[J];计算机工程与应用;2007年06期

2 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期

3 曾子明;张李义;;基于多属性决策和协同过滤的智能导购系统[J];武汉大学学报(工学版);2008年02期

4 张富国;;用户多兴趣下基于信任的协同过滤算法研究[J];小型微型计算机系统;2008年08期

5 侯翠琴;焦李成;张文革;;一种压缩稀疏用户评分矩阵的协同过滤算法[J];西安电子科技大学学报;2009年04期

6 廖新考;;基于用户特征和项目属性的混合协同过滤推荐[J];福建电脑;2010年07期

7 沈磊;周一民;李舟军;;基于心理学模型的协同过滤推荐方法[J];计算机工程;2010年20期

8 徐红;彭黎;郭艾寅;徐云剑;;基于用户多兴趣的协同过滤策略改进研究[J];计算机技术与发展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合协同过滤算法[J];微计算机信息;2011年11期

10 郑婕;鲍海琴;;基于协同过滤推荐技术的个性化网络教学平台研究[J];科技风;2012年06期

中国重要会议论文全文数据库 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

中国博士学位论文全文数据库 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：1535256