基于混合推荐算法的演练平台的设计与实现
发布时间：2021-11-03 17:34
随着移动互联网的快速发展,我们进入大数据背景下信息大爆炸的时代。互联网与其他产业的融合推动着科技的进步和社会的发展,如互联网+教育、互联网+医疗、互联网+金融等。人们身边充斥着大量的数据信息,出现了信息过载的问题。为了降低此问题给人们带来的困扰,推荐系统应运而生。推荐系统它的本质在于在用户没有明确的需求情况下,从海量的信息中寻找用户会感兴趣的信息,大大地提升了信息的分发和获取的效率。如今,人工智能产业全球化势不可挡,IT行业进一步发展,IT人才的短缺现象越来越严重。传统课堂教学存在时间、空间、教育资源的局限性,已不能为企业培养优秀的工作者。于是,线上学习日渐流行,成为多数学生丰富自身技能的新途径。然而,许多线上学习平台虽打破了时间和空间条件的限制,并提供了丰富的学习资源,但没有针对学生进行个性化培养,也未能及时检验学生学习情况。近年来,推荐系统已广泛应用在电商网站、视频网站、咨询和生活服务类平台,效果显著。将推荐系统应用于学习网站,关注学生用户学习习惯与内容倾向,针对不同的学生推荐不同的学习资源,会大大提升学生用户的体验度和学习效率。此外,社会化推荐作为推荐系统研究领域较为活跃的方向之...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
推荐系统的架构图
第2章相关技术介绍10喜好，就无法为其推荐。这就会造成用户冷启动的问题。2.2.2协同过滤推荐算法协同过滤推荐算法(CollaborativeFilteringRecommendation)是应用最早且较为成功的推荐算法，是一种集体智慧的体现。该算法凭借系统已有用户信息，来推荐相近的用户会对哪些东西感兴趣。主要的功能是预测和推荐。协同过滤推荐算法[20]较为常见的有三种，分别是基于用户的协同过滤算法(user-basedcollaborativefiltering)，基于物品的协同过滤算法(item-basedcollaborativefiltering)，和基于模型的推荐算法(model-basedcollaborativefiltering)。协同过滤体现了物以类聚，人以群分的思想。用户-物品的评分矩阵是输入，N项的推荐列表和预测的项目评价是输出。协同过滤算法如图2.2所示：图2.2协同过滤算法2.2.2.1基于用户的协同过滤基于用户的协同过滤算法需要关注的是不同用户之间存在的相似性，在找到用户偏好的物品，并对评分进行预测之后，就可以给用户推荐那些评分比较高的物品了。基于用户的协同过滤算法可以分为两部分：一是找出与目标用户具有相近偏好兴趣的用户群体；二是找到这个用户群体中用户比较喜欢的，而目标用户
第3章需求分析193.1.3功能需求分析该平台意在让大学生学习IT知识，进行编程实践，主要适用对象定位全国范围内大学高校的计算机学院、软件学院、人工智能学院，供师生使用。目的打破教学资源题库数量不够的瓶颈，打破学校试卷评分判断学生优异与否的桎梏，打破编程教学中的硬件服务支持不足的阻碍。平台设计基于openstack平台，Java语言为开发语言，mysql作为数据库，使用Jquery、Ajax、Html、JavaScript、Json、Css、Springboots、SpringMVC、Mybatis、Spring、Maven等技术实现一个全面的题库化个性化的演练平台。学习方向包括了通用的IT技术，互联网开发主流技术栈和优质的实验平台环境，综合性算法项目实践。主要完成对学生的个性化定制实践课程及自我测验，同学间的对抗比拼，课后对学生学习资源的推荐。各类技术课程均采取分阶段性学习，从基础到进阶再到提高，每个阶段学习前都有考试评测，测评通过才可进入下一阶段的学习与挑战。帮助学生积极学习专业知识，提升自己专业素养，帮助老师、学校掌握培养的学生未来发展空间。本平台从功能角色入手分析整体需求，并通过用例图对角色具备的功能进行逐步树立和分析，描述了平台为教师和学生两个角色用户提供的多种功能。用例图设计如图3.1所示：图3.1用例图设计
【参考文献】：
期刊论文
[1]结合概率矩阵分解的混合型推荐算法[J]. 杨丰瑞,郑云俊,张昌. 计算机应用. 2018(03)
[2]简化的Slope One在线评分预测算法[J]. 孙丽梅,李悦,Ejike Ifeanyi Michael,曹科研. 计算机应用. 2018(02)
[3]推荐系统研究进展[J]. 朱扬勇,孙婧. 计算机科学与探索. 2015(05)
[4]互联网思维与传统企业再造[J]. 李海舰,田跃新,李文杰. 中国工业经济. 2014(10)
[5]基于社会网络协同过滤的社会化电子商务推荐研究[J]. 琚春华,鲍福光,许翀寰. 电信科学. 2014(09)
[6]大规模网络开放课程（MOOC）典型项目特征分析及启示[J]. 王颖,张金磊,张宝辉. 远程教育杂志. 2013(04)
[7]社会化推荐研究进展[J]. 何铁科,陈振宇,刘嘉,骆斌. 计算机与数字工程. 2012(11)
[8]推荐系统中的冷启动问题研究综述[J]. 孙冬婷,何涛,张福海. 计算机与现代化. 2012(05)
[9]个性化推荐系统综述[J]. 王国霞,刘贺平. 计算机工程与应用. 2012(07)
[10]基于混合推荐技术的推荐模型[J]. 张驰,陈刚,王慧敏. 计算机工程. 2010(22)
本文编号：3474077
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
推荐系统的架构图
第2章相关技术介绍10喜好，就无法为其推荐。这就会造成用户冷启动的问题。2.2.2协同过滤推荐算法协同过滤推荐算法(CollaborativeFilteringRecommendation)是应用最早且较为成功的推荐算法，是一种集体智慧的体现。该算法凭借系统已有用户信息，来推荐相近的用户会对哪些东西感兴趣。主要的功能是预测和推荐。协同过滤推荐算法[20]较为常见的有三种，分别是基于用户的协同过滤算法(user-basedcollaborativefiltering)，基于物品的协同过滤算法(item-basedcollaborativefiltering)，和基于模型的推荐算法(model-basedcollaborativefiltering)。协同过滤体现了物以类聚，人以群分的思想。用户-物品的评分矩阵是输入，N项的推荐列表和预测的项目评价是输出。协同过滤算法如图2.2所示：图2.2协同过滤算法2.2.2.1基于用户的协同过滤基于用户的协同过滤算法需要关注的是不同用户之间存在的相似性，在找到用户偏好的物品，并对评分进行预测之后，就可以给用户推荐那些评分比较高的物品了。基于用户的协同过滤算法可以分为两部分：一是找出与目标用户具有相近偏好兴趣的用户群体；二是找到这个用户群体中用户比较喜欢的，而目标用户
第3章需求分析193.1.3功能需求分析该平台意在让大学生学习IT知识，进行编程实践，主要适用对象定位全国范围内大学高校的计算机学院、软件学院、人工智能学院，供师生使用。目的打破教学资源题库数量不够的瓶颈，打破学校试卷评分判断学生优异与否的桎梏，打破编程教学中的硬件服务支持不足的阻碍。平台设计基于openstack平台，Java语言为开发语言，mysql作为数据库，使用Jquery、Ajax、Html、JavaScript、Json、Css、Springboots、SpringMVC、Mybatis、Spring、Maven等技术实现一个全面的题库化个性化的演练平台。学习方向包括了通用的IT技术，互联网开发主流技术栈和优质的实验平台环境，综合性算法项目实践。主要完成对学生的个性化定制实践课程及自我测验，同学间的对抗比拼，课后对学生学习资源的推荐。各类技术课程均采取分阶段性学习，从基础到进阶再到提高，每个阶段学习前都有考试评测，测评通过才可进入下一阶段的学习与挑战。帮助学生积极学习专业知识，提升自己专业素养，帮助老师、学校掌握培养的学生未来发展空间。本平台从功能角色入手分析整体需求，并通过用例图对角色具备的功能进行逐步树立和分析，描述了平台为教师和学生两个角色用户提供的多种功能。用例图设计如图3.1所示：图3.1用例图设计
【参考文献】：
期刊论文
[1]结合概率矩阵分解的混合型推荐算法[J]. 杨丰瑞,郑云俊,张昌. 计算机应用. 2018(03)
[2]简化的Slope One在线评分预测算法[J]. 孙丽梅,李悦,Ejike Ifeanyi Michael,曹科研. 计算机应用. 2018(02)
[3]推荐系统研究进展[J]. 朱扬勇,孙婧. 计算机科学与探索. 2015(05)
[4]互联网思维与传统企业再造[J]. 李海舰,田跃新,李文杰. 中国工业经济. 2014(10)
[5]基于社会网络协同过滤的社会化电子商务推荐研究[J]. 琚春华,鲍福光,许翀寰. 电信科学. 2014(09)
[6]大规模网络开放课程（MOOC）典型项目特征分析及启示[J]. 王颖,张金磊,张宝辉. 远程教育杂志. 2013(04)
[7]社会化推荐研究进展[J]. 何铁科,陈振宇,刘嘉,骆斌. 计算机与数字工程. 2012(11)
[8]推荐系统中的冷启动问题研究综述[J]. 孙冬婷,何涛,张福海. 计算机与现代化. 2012(05)
[9]个性化推荐系统综述[J]. 王国霞,刘贺平. 计算机工程与应用. 2012(07)
[10]基于混合推荐技术的推荐模型[J]. 张驰,陈刚,王慧敏. 计算机工程. 2010(22)
本文编号：3474077
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3474077.html
最近更新
教材专著
