基于协同过滤在高校学习资源个性化推荐系统中应用研究.docVIP

基于协同过滤在高校学习资源个性化推荐系统中应用研究 　　摘要：文章针对目前高校学习资源信息过剩问题而无法向学习者进行个性推荐资源。文章鉴于电子商务个性化推荐模型研究启示，尝试将协同过滤技术应用在高校学习资源中进行个性化推荐技术研究。文章分析了协同过滤技术个性推荐系统类型以及基于项目个性推荐系统模型流程，最后结合案例分析了基于项目协同过滤技术在高校学习资源应用整个流程；并针对协同过滤算法存在问题，提出了改进方法。 中国论文网 /7/view-7214401.htm 　　Abstract： This paper aims at college learning resources information surplus problem and failure in personalized resources recommendation for learners. In view of the research enlightenment of e-commerce personalized recommendation model， this paper tries to apply collaborative filtering technology to college learning resources for personalized recommendation technology research. This paper analyzes the types of collaborative filtering technology personalized recommendation system and the project-based recommendation system model process， and finally analyzes the application process of collaborative filtering technology in the college learning resources combined with case analysis and proposes the improvement method in view of the problems existing in collaborative filtering algorithm. 　　关键词：学习资源；协同过滤算法；个性推荐 　　Key words： learning resources；collaborative filtering algorithm；recommendation 　　中图分类号：TP391.3 文献标识码：A 文章编号：1006-4311（2016）04-0191-03 　　0 引言 　　随着大数据时代到来，信息无限膨胀，目前高校网络学习资源平台不断完善以及使用系统读者越来越多，海量数据资源，使得高校师生在平台搜索资源效率急剧下降，面对大量的搜索结果信息常常无法快速而精准选择到有用信息。目前用户在学习资源平台查找学习资料主要通过搜索技术，最经常使用的是关键字搜索，这种被动式搜索无法根据用户偏好特征主动推送客户感兴趣学习资源，影响客户选择价值资源效率。个性化推荐技术应用正解决了传统被动式检索问题，个性化推荐系统正是一种崭新的智能个性化信息服务方式，它以客户需求为导向，或通过对用户个性特征、行为习惯、个人偏好的等个性化特征分析，精准地向用户推送感兴趣的信息和服务的推荐技术。鉴于此，文章系统描述了个性推荐系统技术以及其工作原理。 　　1 协同过滤推荐技术概述 　　协同过滤技术，在1992年有Goldberg，Oki，Nichols和Terry首次提出[1]。协同过滤推荐是推荐策略中最成功的策略。就目前，协同过滤技术已经应用在互联网多个领域，比如当当，京东，淘宝，卓越等购物网站，还有应用在网络视频点播网站，比如优酷，土豆，豆瓣读书等。协调过滤个性化推荐系统根据用户的属性特征，找出兴趣相似用户，并通过用户对产品评价结果，通过评价矩阵构建协同过滤算法，来预测未评分的项目或者用户，通过预测结果对用户进行精准推荐。目前协同过滤推荐一般分为三类：基于用户（user_based）的协同推荐、基于项目（item_based）的协同推荐和基于模型的协同推荐。[4] 　　2 协同过滤推荐技术算法实现过程 　　针对高校学习资源，比较适合采用基于项目协同过滤技术，基于项目之间相似度计算可以离线进行，这个提升了用户对系统响应速度。而且不同客户共同购买的商品数比较小，所以商品之间计算相似度，速度会更快。协同过滤个性推荐系统实现过程主要包括三个不部分，第一是收集数据源，第二