基于学涯发展平台的Spark智能推荐系统设计与实现

发布时间：2021-01-04 09:07

　　随着新高考改革制度和素质教育模式的推广,中学生的学生发展指导教育工作已经成为现阶段教育领域的关注核心。学生发展指导工作主要解决学业发展、高考选科、心理辅导这三大问题,这将直接关系到祖国下一代的成长问题。但是,专门面向学生发展指导的教育资源相对匮乏,教学效果难以保证,如果学生没有及时得到专业教师的解惑和帮助,很可能对学生造成不可挽回的损失。如何将教育和大数据技术结合,为学生发展指导的教学工作提供支持,非常具有研究意义。结合中学对学生发展工作的现状分析,本文设计并实现面向中学生的学涯发展平台,分析学生在教学场景下的行为数据,构建学生兴趣偏好模型,向学生个性化推荐教育资源,实现因材施教。学涯发展平台通过Spark大数据平台对教育大数据进行收集整理,构建学生的兴趣偏好模型,结合推荐算法来实现个性化推荐,以此来丰富学校在学生发展指导方面的教育工作,提高教育质量。本文基于微信公众平台开发学涯发展平台,实现学生和指导老师在线预约课程、在线互动交流,以及向学生推荐最新教育资讯,完成教学场景的数据化,完整记录并收集教育教学过程中的大数据;提出一种基于混合自编码器的协同过滤推荐算法,构建学生的兴趣偏好模型... 

【文章来源】：中国科学院大学(中国科学院沈阳计算技术研究所)辽宁省

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

基于用户相似度的协同过滤算法Figure2.1Collaborativefilteringalgorithmbasedonusersimilarity

图 2.2 自动编码器模型Figure 2.2 Auto-encoder Model降噪自编码器作为自编码器的优化模型，通过接收损坏的原始数据为输练原始数据为输出。相比较传统的自编码器，通过对数据随机损坏，集的规模，极大的缓和过拟合现象的发生，提高了网络模型的鲁棒性程如图圲圮圳所示：

图 2.2 自动编码器模型Figure 2.2 Auto-encoder Model降噪自编码器作为自编码器的优化模型，通过接收损坏的原始数据为输练原始数据为输出。相比较传统的自编码器，通过对数据随机损坏，集的规模，极大的缓和过拟合现象的发生，提高了网络模型的鲁棒性程如图圲圮圳所示：

【参考文献】：
期刊论文
[1]基于用户兴趣模型的推荐算法[J]. 于波,杨红立,冷淼.  计算机系统应用. 2018(09)
[2]基于信任和矩阵分解的协同过滤推荐算法[J]. 郑鹏,王应明,梁薇.  计算机工程与应用. 2018(13)
[3]基于ASVD的协同过滤推荐算法[J]. 李春春,李俊.  小型微型计算机系统. 2018(06)
[4]基于深度学习的论文个性化推荐算法[J]. 王妍,唐杰.  中文信息学报. 2018(04)
[5]基于深度信念网络的个性化信息推荐[J]. 王兆凯,李亚星,冯旭鹏,刘利军,黄青松,刘晓梅.  计算机工程. 2016(10)
[6]基于SDAE及极限学习机模型的协同过滤应用研究[J]. 潘昊,王新伟.  计算机应用研究. 2017(08)
[7]基于栈式降噪自编码器的协同过滤算法[J]. 周洋,陈家琪.  计算机应用研究. 2017(08)
[8]在推荐系统中利用时间因素的方法[J]. 范家兵,王鹏,周渭博,燕京京.  计算机应用. 2015(05)
[9]云计算环境下基于协同过滤的个性化推荐机制[J]. 朱夏,宋爱波,东方,罗军舟.  计算机研究与发展. 2014(10)
[10]基于填充和相似性信任因子的协同过滤推荐算法[J]. 郝立燕,王靖.  计算机应用. 2013(03)



本文编号：2956516