基于ElasticSearch的教育资源推荐系统设计与实现

发布时间：2017-11-01 17:31

  本文关键词：基于ElasticSearch的教育资源推荐系统设计与实现

  更多相关文章： 搜索引擎 个性化推荐 ElasticSearch 协同过滤

【摘要】：互联网的快速发展以及教育信息化的逐步普及使得越来越多的用户选择在线教学这种新颖的方式来传播和获取知识。然而,面对网络上的海量信息,人们常常无从选择。在解决选择困难这个问题的过程中,学者和相关领域的专家提出了多种解决方案,其中搜索引擎和个性化推荐系统是解决这一问题的有力武器。通用搜索引擎和基于电子商务的个性化推荐系统已经得到广泛使用,但是在在线教育领域的研究和应用却相对较少。本文研究的重点就是将搜索和个性化推荐系统与在线教育相结合,为用户提供方便快捷获取感兴趣教学资源的途径。本文的主要研究内容如下:(1)将开源搜索引擎ElasticSearch和推荐有机结合,为用户提供了多样化的选择。搜索和推荐并不是互斥或者包含的关系,它们有各自适用的场景,二者对系统是一种相互补充的关系。满足了不同层次用户快速获取教学资源的需求,使用户的教学活动更加高效。(2)研究分析了几种常用的推荐算法,并根据在线教育云平台9月1号网的实际项目需求,针对传统的基于内容的推荐算法和基于项目的协同过滤算法的不足进行改进,提高了推荐准确率。(3)根据不同的使用场景,制定不同的推荐策略,多维度的为用户提供个性化教学资源,增强用户黏性并有效提高资源的利用率。本文的研究成果有一定的应用价值,为教师用户备课选取资源、学生用户在线学习节省了大量时间,提高了教学的效率。
【关键词】：搜索引擎 个性化推荐 ElasticSearch 协同过滤
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 全文搜索引擎研究现状11-12
• 1.3 个性化推荐系统研究现状12-13
• 1.4 本文的研究内容13
• 1.5 论文结构13-16
• 第2章 搜索及推荐相关原理和技术16-34
• 2.1 全文搜索原理16-24
• 2.2 个性化推荐系统原理24-25
• 2.3 常用的推荐算法25-33
• 2.3.1 基于人口统计学的推荐算法25-27
• 2.3.2 基于内容的推荐算法27-28
• 2.3.3 协同过滤推荐算法28-33
• 2.4 ElasticSearch开源搜索引擎33
• 2.5 本章小结33-34
• 第3章 IBCFR算法和CBR算法的改进34-42
• 3.1 IBCFR算法和CBR算法存在的问题34
• 3.2 IBCFR算法的改进34-36
• 3.3 CBR算法的改进36-37
• 3.4 实验验证37-41
• 3.4.1 评价指标37-39
• 3.4.2 实验数据来源39
• 3.4.3 衰减因子 α 的确定39
• 3.4.4 与改进前IBCFR算法的对比39-41
• 3.4.5 与改进前的CBR算法的对比41
• 3.5 本章小结41-42
• 第4章 基于ElasticSearch的教育资源推荐系统分析与设计42-62
• 4.1 搜索推荐系统需求分析42-47
• 4.1.1 系统设计目标44
• 4.1.2 系统用例图及用例描述44-46
• 4.1.3 功能及性能需求46-47
• 4.2 搜索推荐系统的总体设计47-57
• 4.2.1 系统架构47-49
• 4.2.2 系统流程49-50
• 4.2.3 基于ElasticSearch搜索引擎的设计50-53
• 4.2.4 教育资源个性化推荐系统模型53-54
• 4.2.5 针对冷启动问题的推荐策略选取54-56
• 4.2.6 不同场景下自适应推荐策略56-57
• 4.3 搜索推荐系统关键功能模块设计57-61
• 4.3.1 关键词搜索模块设计58
• 4.3.2 资源筛选模块设计58-59
• 4.3.3 类似资源模块设计59
• 4.3.4 看了又看模块设计59-60
• 4.3.5 买了又买模块设计60
• 4.3.6 资源推荐模块设计60-61
• 4.4 本章小结61-62
• 第5章 基于ElasticSearch的教育资源推荐系统的实现62-74
• 5.1 系统部署62-63
• 5.2 全文搜索系统的实现63-70
• 5.2.1 中文分词及同义词查询的实现63-67
• 5.2.2 数据导入模块的实现67-68
• 5.2.3 查询结果关键字高亮的实现68-69
• 5.2.4 搜索结果排序优化的实现69
• 5.2.5 资源筛选模块的实现69-70
• 5.3 个性化推荐系统的实现70-73
• 5.3.1 自适应推荐策略的实现70-71
• 5.3.2 类似资源模块的实现效果71-72
• 5.3.3 看了又看模块的实现效果72
• 5.3.4 买了又买模块的实现效果72-73
• 5.3.5 资源推荐模块的实现效果73
• 5.4 本章小结73-74
• 结论74-76
• 参考文献76-80
• 攻读硕士学位期间所发表的学术成果80-82
• 致谢82

，

本文编号：1127854