个性化E-Learning环境中智能用户建模技术的研究.pdf

上海交通大学博士论文 摘 要 中的网络流量 提高了可扩展性 同时提出了平均打分归一化 ARN, Average Rating Normalization 的概念 将用户打分特性与偏好特性分开 提出了一种更加合理和有效 的相似用户查找标准 提高了算法的预测精度 4. 提出了一种扩散激活理论 Spreading Activation, SA 的协同推荐网络构建机 制 有效的解决了现有协同过滤算法中的新用户 New User 和稀疏性问题 Sparsity 并在此基础上对SA 机制对协同推荐质量的影响进行了进一步深入讨论 提出了一种基 于迭代收敛的扩散激活参数学习算法 解决了 SA 在密集 Density 数据集中可能出 现的过度激活 Over Activation 现象 使得SA 可以作为一种新的相似度衡量机制用 于协同过滤 5. 基于案例的推理技术 CBR, Case Based Reasoning 并结合用户交互机制 提 出了一种新颖的交互式自