协同过滤推荐算法在中职院校数字化校园平台中的研究与应用
发布时间：2021-01-17 12:00
中职学校在日常运转过程中都着力打造数字化校园平台,开发了大量的信息化系统,不但方便了广大的师生,也体现了中职学校的信息化水平。某职业技术学校建设的数字化校园平台积累了大量数据,导致师生很难找到真正需要的信息,为此本文探索把协同过滤推荐算法引入到数字化校园平台中,帮助师生查找有用的信息。本文主要研究内容如下:（1）对协同过滤推荐系统及相关技术如协同过滤概念、个性化推荐算法工作原理、Hadoop技术、Mahout等技术进行了概述,并对文中用到的两种协同过滤技术基于内存的协同过滤、基于模型的协同过滤进行了详细分析,为后文研究奠定了理论基础。（2）对中职校数字化校园平台中的各类子系统进行分析,分析了在信息查找和利用方面的不足,提取总结了对推荐子系统的需求,然后从功能需求、数据流、系统需求、非功能需求几个方面进行的。（3）在用户的选课信息、常看图书类别信息、实训成绩信息等行为数据基础上,采用K-Means聚类算法对用户进行聚类,建立了基于用户行为的协同过滤推荐模型,为学生推荐合适的选修课程、实训课程、图书等。（4）在协同过滤推荐模型的基础上对推荐子系统进行了设计和实现,主要包括系统逻辑功能模块、...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
论文结构图
图 2-1 推荐系统原理Figure2-1 Recommended system principles2.2 协同过滤推荐算法（Collaborative filtering recommendationalgorithm）2.2.1 工作原理协同过滤推荐算法近些年来应用也较为广泛，特别是在信息过滤、信息系统等中，应用更加频繁。协同过滤推荐算法的主要目的是在用户信息数据的基础上，找出与该用户相似的集合，并将该集合中用户没有注意到的商品或信息等推荐给用户。如很多人在购买书籍时，往往会根据需要购买的书籍类别向朋友们进行了解，在朋友们推荐的基础上再选择出自己喜欢的书籍种类。协同过滤推荐算法基本原理和这一过程类似。首先根据用户需求找出与用户相似的群体集合，并对这一群体集合的相关历史数据进行挖掘、分析，通过加权考虑相近用户的喜好，从而预测出用户感兴趣的商品或信息[33-37]。在协同过滤算法中，最核心的内容是对用户的偏好相似性进行分析，并将具
图 2-2 协同过滤推荐原理Figure2-2 Collaborative filtering recommendation principle2.2.2 基于内存的协同过滤基于内存的协同过滤系统是推荐系统中另外一种应用广泛的算法系统。基于内存的协同过滤，主要是将目标用户和集合中的用户的相似性进行计算，形成和目标用户相似的集合。然后对集合中的用户相关信息进行统计、分析，了解该类用户喜好，从而开展目标用户的针对性推荐。计算对象，基于内存的协同过滤方式也不同，主要可分为基于项目的协同过滤、基于用户的协同过滤两种。基于项目的协同过滤是 Sarwar 提出来的，这一算法中认为目标用户感兴趣的项目和之前用户评价较高的项目是基本一致的[39-41]。基于用户的协同过滤是以用户对项目的评价为主要参考依据开展的推荐方法。即将和目标用户喜好相同的用户找寻出来，并以这些用户的喜好为基础对目标用户的喜好进行评价，将评价分值较高的商品或信息推荐给目标用户[42,43]。不管哪种协同过滤算法，其都是以用户历史记录为依据的。但对于新用户而言，其历史记录相对较少，较少的历史记录在了解
【参考文献】：
期刊论文
[1]融合用户对项目和属性偏好的协同过滤算法[J]. 王云超,刘臻. 计算机科学. 2018(S2)
[2]改进的协同过滤算法在农资电子商务网站的应用[J]. 许贝贝,王文生,郭雷风. 江苏农业科学. 2018(16)
[3]一种基于社区专家信息的协同过滤推荐算法[J]. 张凯涵,梁吉业,赵兴旺,王智强. 计算机研究与发展. 2018(05)
[4]一种模糊认知的协同过滤算法[J]. 刘井平,李平. 计算机工程与科学. 2018(05)
[5]一种基于系统主题挖掘的协同过滤算法[J]. 李雪,高心丹. 小型微型计算机系统. 2018(04)
[6]融合项目标签相似性的协同过滤推荐算法[J]. 廖天星,王玲. 计算机应用. 2018(04)
[7]融合用户动态标签和信任关系的协同过滤算法[J]. 吴鸿玲,程耕国. 计算机工程与应用. 2018(19)
[8]基于读者个性化特征数据挖掘的图书馆书目推荐[J]. 谢康. 现代电子技术. 2018(06)
[9]融合微聚集隐私保护的协同过滤算法研究[J]. 鲜英,于炯,杨兴耀,薛朋强. 现代电子技术. 2018(06)
[10]结合拓扑势用户聚类的协同过滤推荐算法[J]. 黄贤英,李沁东,熊李媛. 计算机工程与设计. 2018(01)
硕士论文
[1]基于Spark平台的协同过滤推荐算法的研究与实现[D]. 张明敏.南京理工大学 2015
本文编号：2982843
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
论文结构图
图 2-1 推荐系统原理Figure2-1 Recommended system principles2.2 协同过滤推荐算法（Collaborative filtering recommendationalgorithm）2.2.1 工作原理协同过滤推荐算法近些年来应用也较为广泛，特别是在信息过滤、信息系统等中，应用更加频繁。协同过滤推荐算法的主要目的是在用户信息数据的基础上，找出与该用户相似的集合，并将该集合中用户没有注意到的商品或信息等推荐给用户。如很多人在购买书籍时，往往会根据需要购买的书籍类别向朋友们进行了解，在朋友们推荐的基础上再选择出自己喜欢的书籍种类。协同过滤推荐算法基本原理和这一过程类似。首先根据用户需求找出与用户相似的群体集合，并对这一群体集合的相关历史数据进行挖掘、分析，通过加权考虑相近用户的喜好，从而预测出用户感兴趣的商品或信息[33-37]。在协同过滤算法中，最核心的内容是对用户的偏好相似性进行分析，并将具
图 2-2 协同过滤推荐原理Figure2-2 Collaborative filtering recommendation principle2.2.2 基于内存的协同过滤基于内存的协同过滤系统是推荐系统中另外一种应用广泛的算法系统。基于内存的协同过滤，主要是将目标用户和集合中的用户的相似性进行计算，形成和目标用户相似的集合。然后对集合中的用户相关信息进行统计、分析，了解该类用户喜好，从而开展目标用户的针对性推荐。计算对象，基于内存的协同过滤方式也不同，主要可分为基于项目的协同过滤、基于用户的协同过滤两种。基于项目的协同过滤是 Sarwar 提出来的，这一算法中认为目标用户感兴趣的项目和之前用户评价较高的项目是基本一致的[39-41]。基于用户的协同过滤是以用户对项目的评价为主要参考依据开展的推荐方法。即将和目标用户喜好相同的用户找寻出来，并以这些用户的喜好为基础对目标用户的喜好进行评价，将评价分值较高的商品或信息推荐给目标用户[42,43]。不管哪种协同过滤算法，其都是以用户历史记录为依据的。但对于新用户而言，其历史记录相对较少，较少的历史记录在了解
【参考文献】：
期刊论文
[1]融合用户对项目和属性偏好的协同过滤算法[J]. 王云超,刘臻. 计算机科学. 2018(S2)
[2]改进的协同过滤算法在农资电子商务网站的应用[J]. 许贝贝,王文生,郭雷风. 江苏农业科学. 2018(16)
[3]一种基于社区专家信息的协同过滤推荐算法[J]. 张凯涵,梁吉业,赵兴旺,王智强. 计算机研究与发展. 2018(05)
[4]一种模糊认知的协同过滤算法[J]. 刘井平,李平. 计算机工程与科学. 2018(05)
[5]一种基于系统主题挖掘的协同过滤算法[J]. 李雪,高心丹. 小型微型计算机系统. 2018(04)
[6]融合项目标签相似性的协同过滤推荐算法[J]. 廖天星,王玲. 计算机应用. 2018(04)
[7]融合用户动态标签和信任关系的协同过滤算法[J]. 吴鸿玲,程耕国. 计算机工程与应用. 2018(19)
[8]基于读者个性化特征数据挖掘的图书馆书目推荐[J]. 谢康. 现代电子技术. 2018(06)
[9]融合微聚集隐私保护的协同过滤算法研究[J]. 鲜英,于炯,杨兴耀,薛朋强. 现代电子技术. 2018(06)
[10]结合拓扑势用户聚类的协同过滤推荐算法[J]. 黄贤英,李沁东,熊李媛. 计算机工程与设计. 2018(01)
硕士论文
[1]基于Spark平台的协同过滤推荐算法的研究与实现[D]. 张明敏.南京理工大学 2015
本文编号：2982843
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2982843.html
最近更新
教材专著
