云计算环境下的学习资源个性化推荐技术研究.docVIP

云计算环境下的学习资源个性化推荐技术研究 　　摘 要： 针对学习资源的个性化推荐，提出了一种基于用户影响关系的协同过滤推荐方法，使用传统协同过滤推荐采用的用户项目评分信息，通过挖掘用户时序交互评论和回复行为数据发现用户之间的相互影响关系，从而优化用户兴趣矩阵，在此基础上改善基于用户的协同过滤方法进行推荐。在数据集上的实验结果表明，通过利用用户之间时序交互行为数据，挖掘隐藏的用户影响关系信息可以有效提高预测的准确度。 　　关键词： 个性化推荐； 协同过滤； 学习资源推荐； 用户影响关系； 教育推荐 　　中图分类号： TN911?34； TM417 文献标识码： A 文章编号： 1004?373X（2016）19?0029?04 　　Abstract： A collaborative filtering recommendation method based on user influence relation is proposed in allusion to the personalized recommendation of learning resources. The user project grading information adopted by the traditional collaborative filtering recommendation is used to find out the interaction relation among the users by mining the users′ time sequence interactive comments and recovery behavior data， so as to optimize the user′s interest matrix. On this basis， the collaborative filtering method based on users was improved for recommendation. The experimental results of dataset show that the hidden user influence relation mined with the time sequence interactive behavior data among users can improve the accuracy of prediction. 　　Keywords： personalized recommendation； collaborative filtering； learning resource recommendation； user influence relation； learning recommendation 　　个性化推荐技术早已在电子商务、电影、音乐等领域得到了广泛应用，如今随着网络在线教育的发展，个性化推荐技术也逐渐引起了教育领域的重视及应用的需求。面对复杂多样的网络学习资源，根据用户的历史行为轨迹，分析用户兴趣，推荐能够反映用户学习兴趣的学习资源，实现“因材施教”变得越来越重要，研究学者们也纷纷开始探索个性化推荐技术在教育领域的应用[1]。面对着当前网络上的学习资源的特点是形式多样化，资源类型多媒体化，资源组织异构化，且变得海量的学习资源，网络教育的发展也使得个性化学习成为当今世界网络教育领域的发展趋势，那么个性化地给用户推荐学习资源也变得更加重要，具有应用价值和科研意义[2]。 　　1 基于用户影响关系的推荐方法概述 　　目前，获取用户关系的方式主要分为显示和隐式两类，显示的社交网络关系和隐式的标签信息往往在学习系统中是不一定都具备的，但是普遍都存在用户对资源的评论及回复的信息，而并没有研究者去挖掘这些数据中是否有有助于对用户进行个性化资源推荐的信息，这些信息是否能提炼出有助于用户个性化推荐的信息[3]。 　　本文基于该假设提出了基于用户影响关系的协同过滤推荐方法（简称CCR?UCF），该推荐方法通过挖掘用户评论和回复的时序行为数据信息，获得其中潜在的用户影响关系，然后借助该影响关系改善基于用户的协同过滤推荐算法。提出的CCR?UCF方法主要包括四个步骤：获取用户时序交互信息――评论和回复；挖掘用户之间的影响关系；重构用户兴趣矩阵；将新用户兴趣矩阵应用于User?basedCF推荐算法进行Top?N推荐。 　　2 具体步骤分析 　　2.1 获取用户时序交互信息 　　在一般的推荐系统中，用户会浏览资源，进行评分，标注是否喜欢，在某些资源下留言评论。例如，用户A在看了某个资源后将其标注为喜欢或者在资源