- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
《推荐系统与原理》教学大纲
课程编号英文名称:Principleandapplicationofrecommendationsystem
学分:3
学时:总学时64学时,其中理论32学时,实验32学时
先修课程:数据分析和可视化、数据结构、数据挖掘原理与应用、数据分析与商务决策
课程类别:专业必修课程
授课对象:大数据管理与应用专业学生
教学单位:商学院
修读学期:第5学期
一、课程描述和目标
推荐系统与原理是大数据管理与应用专业的主干课程之一,是一门理论性、实用性与综合性很强的基础课程。本课程主要介绍推荐系统中的各种常用算法和一些典型应用。通过本课程的学习,学生不仅可以掌握各种常用推荐算法的思想、原理和实现,同时还能熟悉各种推荐算法的应用场景和一些典型的应用案例,并把握推荐系统未来的发展方向。
课程目标:
1.专业知识方面。掌握推荐系统的基本原理,掌握一些常用的推荐算法。
2.专业能力方面。熟练运用一些软件进行编程。
3.综合能力和素质方面。能够综合掌握用户建模、推荐对象建模和推荐算法等基本技能,通过各种智能算法对用户进行画像并主动向用户推送“千人千面”的个性化信息,能够帮助用户解决信息超载问题并提高决策效率,进而使用户、平台、商家等多方受益。强化学生在数据推荐过程汇总的道德品质与伦理素养,要求学生在其中培养爱国敬业、诚实守信等基本素质。
二、课程目标对毕业要求的支撑关系
毕业要求指标点
课程目标
权重
指标点2-1大数据管理基础理论
课程目标1
M
指标点2-2理论知识整合学习能力
课程目标2、3
M
指标点3-1问题分析能力
课程目标1、2
M
指标点3-2大数据管理技术综合运用能力
课程目标3
M
三、教学内容、基本要求与学时分配
序号
教学内容
基本要求及重、难点(含德育要求)
学时
教学
方式
对应课程目标
1
推荐系统简介
了解推荐系统的意义与价值,熟悉推荐系统的历史与框架,掌握推荐算法分类。
4
集中讲授
课程目标1、2
2
基于邻域的协同过滤
了解协同过滤的基本思想与算法分类,掌握基于用户的协同过滤、基于项目的协同过滤、基于邻域的评分预测、基于二部图的协同过滤。
4
集中讲授
课程目标1、2、3
3
基于模型的协同过滤
熟悉基于关联规则的推荐,掌握基于矩阵分解的评分预测、概率矩阵分解框架、基于矩阵分解的Top-N推荐。
4
集中讲授
课程目标1、2
4
基于内容的推荐
熟悉基于内容推荐的系统框架,掌握向量空间模型、基于语义的内容相似度。
6
集中讲授、案例讨论
课程目标1、2、3
5
基于知识的推荐
掌握基于约束的推荐、基于效用的推荐、基于实例的推荐。
6
集中讲授、案例讨论
课程目标1、2、3
6
混合推荐
了解混合推荐简介,熟悉理论依据与算法分类,掌握平行式混合推荐、串行式混合推荐、整体式混合推荐。
4
集中讲授、案例讨论
课程目标1、2
7
推荐系统评测
了解评测视角与实验方法,掌握评分预测评价指标、Top-N推荐评价指标、公开实验数据集。
4
集中讲授
课程目标1、2
合计
32
序号
实验项目
实验内容与要求
学时
类型
对应课程目标
1
协同过滤推荐
了解协同过滤模型的使用场景,数据标准。了解Python/Spark数据处理一般方法。了解spark模型调用,训练以及应用方法。采用ratings数据集作为算法数据,把数据集随机划分为训练数据和测试数据,分别用来对模型进行训练和测试。
8
综合
课程目标1、2
2
基于关联规则的推荐
设计一系列实验,验证基于关联规则的个性化推荐系统的准确性和效果。将采用真实的数据集,使用关联规则挖掘算法进行实验,比较不同参数和方法的效果。根据实验结果,对基于关联规则的个性化推荐系统的准确性和效果进行评估和分析。分析实验结果,找出推荐系统的优点和不足之处,并提出改进策略。
8
综合
课程目标1、2
3
基于内容的推荐
1、给出物品表示:为每个物品抽取出一些特征来表示此物品;2、学习用户偏好:利用一个用户过去喜欢(及不喜欢)的物品的特征数据,来学习出此用户偏好;3、生成推荐列表:根据候选物品表示和用户偏好,为该用户生成其最可能感兴趣的n个物品。
8
综合
课程目1、2、3
4
基于知识的推荐
选择度量(或评分标准)为电影打分;决定电影在排行榜上出现的先决条件;计算每一部满足条件的电影的得分;按照分数的递减顺序输出电影列表
8
综合
课程目标1、2、3
合计
32
四、课程教学方法
如集中讲授、小组讨论等教学方式
五、学业评价和课程考核
推行多元评价,对本课程所采用的评价和考核方式作具体说明,若采用多种考核方法请分别列出考核评价的方法、内容、考核标准、成绩占比等,考核方法、内容应突出“学生中心、产出导向”。(以下以工科某课程为例,仅供参
文档评论(0)