基于协同过滤算法的个性化教学平台的研究与实现

发布时间：2021-05-07 16:05

　　互联网时代经过20多年的光速发展,中国的互联网产业取得了空前的成功,并在世界舞台上发挥着空前的作用。在“积极利用,科学发展,依法管理,确保安全”政策的指导下,中国正在稳步走向网络强国。教育是我国培养人才的主要手段,然而传统的教学模式有着时间、地点的约束。所以当今时代通过互联网进行教学,具有便捷、不约束等特点。截至2018年12月,中国在线教育用户的增长率仅次于在线汽车租赁。此外,移动在线教育课程用户的年增长率达到63.3%,用户规模在使用手机完成的各类活动中增长最多。智能移动终端的迅速发展,智能APP已经成为移动互联网的重要入口之一,移动互联网接入已成为最常用的互联网接入渠道。4G网络服务成就了移动互联网的跨越式发展,将移动互联网带入黄金发展时期。而且目前国内开启试点运行的5G网络的低延时高速度的特点也将在商业发展中起到不可替代的作用。展望未来,移动互联网随时随地的便捷连接促进了线上和线下的快速整合,传统行业更加积极地寻找“窗口”。而教育作为面向未来的事业,必将掀起一场变革。随着智慧教育的推动,个性化推荐系统在实现个性化教育中发挥至关重要的作用,其作为解决信息过载的一个有效手段,对于在... 

【文章来源】：沈阳师范大学辽宁省

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第1章 引言
    1.1 研究背景
        1.1.1 国内研究背景
        1.1.2 国外研究背景
        1.1.3 国内外研究现状
        1.1.4 选题意义
    1.2 研究内容
        1.2.1 系统需求
        1.2.2 系统开发环境
第2章 相关技术及算法介绍
    2.1 服务器端实现关键技术
        2.1.1 Web服务器端及客户端
        2.1.2 Web API相关介绍
    2.2 移动终端实现相关技术
        2.2.1 Html5 的基本思想与发展趋势
        2.2.2 基于Html5 框架的优缺点分析
        2.2.3 基于Html5的MUI框架及其组件的应用
    2.3 腾讯云API介绍
        2.3.1 实时音视频TRTC简介
        2.3.2 互动直播ILVB简介
        2.3.3 腾讯云API的应用
    2.4 个性化推荐算法介绍
第3章 基于协同过滤算法的个性化课程推荐
    3.1 个性化推荐功能概述
        3.1.1 推荐体系的作用
        3.1.2 个性化推荐功能的分类
        3.1.3 个性化推荐功能的体系结构
    3.2 个性化课程推荐相关算法介绍
        3.2.1 基于用户的推荐
        3.2.2 基于内容的推荐
        3.2.3 协同过滤推荐
        3.2.4 混合推荐方法
        3.2.5 相关算法对比
    3.3 协同过滤算法详解
        3.3.1 基于内容的协同过滤推荐方法
        3.3.2 基于用户的协同过滤推荐方法
        3.3.3 协同过滤算法的实际应用
    3.4 热点推荐
第4章 系统设计
    4.1 功能框图设计
    4.2 数据库设计
    4.3 系统设计
第5章 系统核心功能模块的实现
    5.1 Web API的应用
    5.2 腾讯云API的应用
    5.3 热点推荐实现
    5.4 平台主界面模块
    5.5 登录功能模块
    5.6 教师信息介绍模块
    5.7 课程信息情况功能模块
总结与展望
参考文献
致谢
个人简历及在校期间科研成果


【参考文献】：
期刊论文
[1]融合偏好度与网络结构的推荐算法[J]. 黄继婷,陈建兵,陈平华.  计算机工程与应用. 2019(10)
[2]基于用户评论的深度情感分析和多视图协同融合的混合推荐方法[J]. 张宜浩,朱小飞,徐传运,董世都.  计算机学报. 2019(06)
[3]基于隐式反馈LDA模型的协同推荐算法研究[J]. 翟航天,汪学明.  计算机技术与发展. 2019(06)
[4]基于因子分解机和隐马尔可夫的推荐算法[J]. 王晓耘,李贤,袁媛.  计算机技术与发展. 2019(06)
[5]感知用户年龄的Item-based协同过滤推荐算法[J]. 张彩廷,祝永志.  计算机技术与发展. 2019(06)
[6]提取关键字改进协同过滤算法的研究与应用[J]. 李吉祺,黄刚.  计算机技术与发展. 2019(06)
[7]基于数据挖掘技术的图书馆个性化快速推荐算法研究[J]. 王庆桦.  现代电子技术. 2019(05)
[8]基于位置的移动推荐系统效用评价研究[J]. 孟祥武,梁弼,杜雨露,张玉洁.  计算机学报. 2019(12)
[9]“互联网+技工教育”教育理念与建设发展的分析[J]. 王仕鑫.  科教文汇(下旬刊). 2019(02)
[10]基于用户习惯偏好相似度的Slope One推荐算法[J]. 杨嫘.  软件导刊. 2019(06)



本文编号：3173685