基于协同过滤的数字校园个性化推荐研究与应用.docx

?

?

基于协同过滤的数字校园个性化推荐研究与应用

?

?

郑明舒畅黄宇健

摘要：互联网的迅猛发展改变了人们的生活方式，数字校园发展也在悄然的发生变化。来自各个不同地区的学生个体，其文化背景、家庭经济状况、喜好特点、学习情况差距较大，学生接受网络信息的多样化、复杂化等，都给高校数字校园的管理工作带来了巨大的挑战，同时，资源的丰富性，信息过载，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低。由此，本文将对数字化校园图书资源进行个性化推荐的研究，选取学生课程信息、图书借阅信息，通过协同过滤推荐算法进行挖掘和分析，来提高图书资源的使用效率，避免信息过载，主动为用户进行选择或直接为其提供有针对性的资源信息，为学校管理决策提供支持，为学校教育工作的改进提供有效的依据。实验结果表明，该算法能有效提高校园图书信息化服务的推荐质量，节省用户获取有用资源的时间。

关键词：数字校园；协同过滤；个性化推荐

一、引言

大数据时代数字化校园如何在现有互联网基础上营造更加丰富多彩的数字化氛围，捕获师生更为真实的兴趣需求，创建一个便捷的信息沟通与交流环境，便成为在新一代数字校园建设发展中，我们必需面临和思考的问题。而高校师生这类对于信息异常敏感和关注的群体，其每天都要面对大量的各类信息，客观上造成了所谓的“信息冗余”。

数字校园中图书资源面临的是数字资源呈几何级增长，面对海量的数字资源，利用推荐技术可以更智慧、更高效的将图书资源向用户推荐[4]。

本文将从5个方面来对数字化校园个性化推荐进行研究：第1节简单介绍了数字化校园与图书资源的相关概述，在概述中介绍了协同过滤的概念及本文的结构安排。第2部分从数字化校园图书资源的现状出发，提出目前数字化校园中图书资源存在的问题及解决办法。第3部分根据提出的问题和解决策略，通过传统协同过滤推荐算法的研究提出本文基于K近邻用户和N近邻项目的有效结合的算法。第4部分通过相关数据集，采用相关相似性的计算方法得出K近邻用户和N近邻项目有效结合的实验，并通过借阅量、点击率的方法验证该方法的可行性。最后，对数字校园进行前景展望。

二、存在的问题

高校数字化校园的目标是实现高校教学、科研、管理、服务的数字化与信息化，实现教育资源的合理分配与利用，提高办学质量、办学效益和科研水平，提高高校管理水平。我国推广教育信息化已有多年，高校经过多年的信息化建设，已经建成完善的校园主干网络，建设了统一认证平台、教务管理系统、科研管理系统、人事财务管理系统、教学资源库、精品课程与视频公开课、学生信息管理系统等涵盖教学、科研、管理的应用系统，这些信息化建设内容在高校实际应用中效果良好，为高校智慧校园的建设创造了很好的基础。[2]但高校这些应用系统的建设与多年的应用，积累了大量的数据，导致用户无法从中获得对自己真正有用的那部分信息，信息过载和信息决策迷航现象。其次，对于师生个体而言，他们之间的需求在一定程度上并不具有普遍性，比如兴趣爱好、地理位置、閱读习惯、学习特点等。虽然国内对于推荐系统研究已经应用于教育领域中，但数量比较少，且并未具体结合师生真实的应用数据进行深度数据挖掘、兴趣预测并形成推荐。因此，个性化推荐是解决信息过载的有效途径之一，它特点用户地域分布，学习特点及兴趣偏好提供推荐信息，从而帮助用户进行，引导用户，减少用户时间和精力的投入，提高决策效率。为学校师生提供更好的数据服务，建立基于图书资源的个性化推荐，解决信息过载，节省资源获取时间成为本文要解决的问题。

个性化推荐中，传统的协同过滤的算法核心是分析用户兴趣，在群体中找到与指定用户的相似（兴趣）物品，综合这些相似用户对某一信息的评价，形成系统对该指定资源对此信息的喜好程度预测。近年来协同过滤的算法在国内外得到了广泛研究。但应用于数字校园较少。因此，研究协同过滤推荐算法应用于数字化校园图书资源是有必要的。

因此，本文正是利用数字校园里的课程、图书借阅数据进行数据挖掘，推测用户的潜在兴趣和爱好，构建协同过滤推荐算法，从而筛选和过滤出有用的图书资源信息，展现用户最关注和最感兴趣的个性化信息。

三、相关工作

3.1研究开发目标

本文研究的目的是为了建立基于图书资源的个性化推荐，解决数字化校园中图书资源的信息过载、个性化匮乏等问题，基于图书资源的个性化推荐将主要对数字校园里用户的课程、图书资源数据进行研究，推测用户的潜在兴趣和爱好，并构建协同过滤推荐引擎，为用户展现其最关注和最感兴趣的个性化图书资源信息。所以，首要目标是获取高校各个业务应用系统中的用户业务数据，并根据用户的属性及行为数据进行兴趣建模，准确理解用户当前情境下的需求，然后基于此设计高效的推荐算法，通过推荐系统接口，提供个性化推荐服务，从而能够更加有针对性的服务于各类用户。

3