基于协同过滤算法的鹤岗师专多媒体教学系统设计与实现

发布时间：2016-12-12 07:44

第 1 章 绪论

现在，有很多的高校在教学中都已经使用了多媒体教学系统，应用已经比较广泛。学生使用教学系统来学习，并与老师交流，大家可以共享教学资源。利用多媒体互动教学为主要的学习方式，就业为导向，使学生能积极主动参与到学习中。但是很多的教学系统并没有应用到个性化的推荐算法，而是采用了搜索引擎技术。首先，搜索引擎就是找到与搜索关键字相匹配的教学资源，那么有一些与关键字不是完全匹配的教学资源就会忽略掉。其次，搜索引擎需要学生把自己所需要的教学资源明确地归纳成几个关键字，这就给学生增加了负担，如果搜索结果又比较多，那么选择选来也比较浪费时间与精力。最后，虽然现在搜索引擎技术是非常成熟的，也是应用特别多的，但搜索引擎还是比较传统的方式，并不能提前的预知和智能的感知，而给学生推荐学生可能感兴趣的教学资源。赵建龙研究了协同过滤推荐算法，并把算法应用到推荐学习资源中，从而形成个具有个性化的学习资源推荐模型。并以知识库模块的形式来展现，个性化学习资源推荐的效率和准确性得到提高[2]。因此，在多媒体教学系统中应用个性化的推荐算法，比如说协同过滤推荐算法，根据学生的不同兴趣爱好来推荐个性化的学习资源还是非常有必要的。本论文就是研究了个性化的推荐算法，从中选择了协同过滤算法，开发了一个基于协同过滤算法的高校多媒体教学系统。

....

第 2 章 推荐算法与开发关键技术

2.1 推荐算法概述

基于内容的推荐主要以检索信息和过滤信息为主要的理论依据，就是依据用户曾经的浏览为记录产生用户未接触过的信息来推荐给用户。基于内容的推荐可以用两种方式来描述。第一是基于模型的方法。即建立一个模型，它的数据集就是以以前的数据为对象建立的。第二是启发式的方法。在推荐系统中采用启发式的方法实际就是应用 TF-IDF 的方法进行计算，就是在一篇文档中，看哪些词出现的频率高，即词频，提取出来作为关键字，来反映这篇文档的特性，这些关键字形成用户的特征向量。关键字的词频高就作为推荐项目前的特征属性，再把与用户特征的向量计算得分最高的项目推荐给用户在计算被推荐项和用户的特征向量间的相似程度时，可以使用 COSINE 方法[12]。

2.2 开发关键技术

所谓的三层开发即把系统的全部业务应用分为三个部分，分别是数据访问层、业务逻辑层和表示层。这样系统的开发、部署、扩展和维护都特别方便。表示层一般是指系统的界面，与用户直接进行交互，录入数据和显示数据等。不是表示层的工作不用做，只做和外观显示有关的工作。业务逻辑层是做验证有效性的一些工作。本章主要介绍了当今主要应用的个性化的推荐算法的分类、概念和条件，协同过滤推荐算法的实现步骤和主要优缺点及解决方法，还介绍了开发的一些关键技术等。

第 3 章 需求分析.............. 15

3.1 系统可行性分析.........15
3.2 功能需求.............16 
3.3 性能需求.................19
3.4 本章小结............20
第 4 章 系统设计............. 21
4.1 系统的业务流程........21
4.2 系统功能结构设计..................21
4.3 数据库设计.............25
第 5 章 系统实现................... 42
5.1 网站首页实现...............42
5.2 新用户注册页面实现......... 46 
5.3 上传教程页面实现.............47 
5.4 视频课堂模块实现.............50

第 5 章 系统实现

5.1 网站首页实现

首页是网站的门脸，关系着用户对网站的印象，布局页面合理简单。网站首页包含网站导航、公告信息、教学资源的搜索、用户登录、教学资源排行和最新上传的教学资源等模块。网站导航包含上传教程、视频课堂、语音课堂、课件学习、讲义学习、资源推荐、交流园地、进入管理。公告信息可以发布网站的最新动态信息。教学资源排行榜有四个分别是视频排行、语音排行、课件排行和讲义排行，是按照点击率由高到低进行排列。最新上传教学资源包括最新视频、最新语音、最新课件和最新讲义，是按照上传时间的远近排列，显示最近时间上传的教学资源。首页运行效果如图 5.1 所示。

5.2 新用户注册页面实现

通过网站的注册功能注册后就成为了网站的会员，注册用户登录之后，可以发布一些教学资源，可以是视频、音频、课件或讲义，可以进行学习，也可以把自己喜欢的教学资源下载下来。在网站的首页中有链接按钮“新用户注册”，用户单击即可链接到新用户注册页面。用户注册页面运行效果如图 5.3 所示。在用户进行注册填写信息时，用户名和密码必须填写，不能为空，而且两次输入的密码必须相同，电子邮件的格式和身份证号码位数要使用服务器的验证控件来进行验证。因为用户名不能重复，因而使用一个按钮控件“检测用户名”来设置，当单击“检测用户名”按钮时，调用 isName()方法，这时 dataOperate.cs 类中的 isData()方法被调用，返回的整数值用于判断用户注册名与数据库用户表中的用户名是否相同，如果返回值大于 0，说明用户名已经注册，，并显示提示信息；如果返回值等于 0，说明用户注册名可用，同时也会显示提示信息。
....

第 6 章 结论

互联网技术的不断更新进步，人们的工作学习和生活愈加的离不开网络，无论是购和还是学习，网络技术都在发挥着它强大的优势。随着网络信息的不断膨胀，普通的搜索技术显得力不从心，从而个性化的推荐技术应运而生。那么根据人们的兴趣爱好来给用户推荐适合的信息得到了用户的青睐，特别是在购物网站个性化的推荐算法应用的已经非常成熟。在教学系统中应用个性化的推荐算法来给学习者提供他们可能喜欢的教学资源也已经开始应用，那么把协同过滤算法应用于高校多媒体教学系统中是可行的。本论文主要设计和实现了一个基于协同过滤算法的高校多媒体教学系统。在系统的设计和开发过程中，主要就是推荐算法的设计，这直接关系到系统推荐效果。本系统采用了基于用户的协同过滤和基于项目的协同过滤相结合的方法，使两种方法互补，互相弥补不足之处，使推荐结果更加合理。
........

参考文献（略）

本文编号：210206