發(fā)布時(shí)間：2020-11-02 06:53

　　 隨著互聯(lián)網(wǎng)應(yīng)用的飛速發(fā)展和信息資源的指數(shù)級(jí)增長(zhǎng),在線教育資源愈加豐富,但同時(shí)也為學(xué)習(xí)者個(gè)性化選擇帶來困難。如何根據(jù)學(xué)習(xí)者的需求從海量的資源中精準(zhǔn)定位相關(guān)資源,并為之提供個(gè)性化的在線教育服務(wù),這成為專家、學(xué)者共同關(guān)注的問題。本文對(duì)協(xié)同過濾推薦算法提出改進(jìn),在傳統(tǒng)算法的基礎(chǔ)上采用雙屬性評(píng)分矩陣進(jìn)行屬性劃分并使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行評(píng)分預(yù)測(cè),以填補(bǔ)評(píng)分矩陣,解決傳統(tǒng)算法因“冷啟動(dòng)”、評(píng)分?jǐn)?shù)據(jù)過于稀疏所造成的推薦質(zhì)量下降的問題,并采用公開數(shù)據(jù)集證明了改進(jìn)算法的有效性。最后利用改進(jìn)算法為在線學(xué)習(xí)平臺(tái)的學(xué)習(xí)者推薦學(xué)習(xí)資源,并在遠(yuǎn)程教育學(xué)習(xí)平臺(tái)上設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)學(xué)習(xí)資源推薦系統(tǒng)。論文的主要工作如下:1、對(duì)國(guó)內(nèi)外在線教育學(xué)習(xí)資源和推薦系統(tǒng)的研究現(xiàn)狀進(jìn)行了闡述,表明了對(duì)學(xué)習(xí)者進(jìn)行學(xué)習(xí)資源推薦的實(shí)際研究意義和應(yīng)用價(jià)值。2、對(duì)推薦系統(tǒng)的發(fā)展歷史進(jìn)行了綜述,介紹了推薦系統(tǒng)的概念、常用的實(shí)驗(yàn)方法、測(cè)評(píng)指標(biāo)等內(nèi)容,并對(duì)推薦算法及不同算法之間的差異進(jìn)行了詳細(xì)論述。最后總結(jié)了學(xué)習(xí)資源的組織形式、神經(jīng)網(wǎng)絡(luò)等相關(guān)概念。3、提出一種基于雙屬性評(píng)分矩陣及神經(jīng)網(wǎng)絡(luò)的協(xié)同推薦算法。通過用戶信息以及項(xiàng)目屬性特征,建立用戶屬性-項(xiàng)目屬性評(píng)分矩陣及用戶屬性偏好模型,使用BP神經(jīng)網(wǎng)絡(luò)對(duì)偏好模型進(jìn)行訓(xùn)練,對(duì)已知屬性未評(píng)分的項(xiàng)目進(jìn)行評(píng)分預(yù)測(cè),緩解評(píng)分矩陣過于稀疏的問題。在新用戶/新項(xiàng)目初次進(jìn)入系統(tǒng)時(shí),獲取其特征值,并依次與雙屬性評(píng)分矩陣進(jìn)行匹配,選取匹配度較高的項(xiàng)目/用戶進(jìn)行推薦,解決“冷啟動(dòng)”問題。實(shí)驗(yàn)表明,本文所提的改進(jìn)算法可有效緩解評(píng)分矩陣的稀疏性問題,提高推薦算法的質(zhì)量,并在“冷啟動(dòng)”情況下,也提供了有效數(shù)目的推薦。4、將改進(jìn)算法應(yīng)用于在線教育中學(xué)習(xí)資源的獲取,包括對(duì)學(xué)習(xí)資源的標(biāo)準(zhǔn)化處理、學(xué)習(xí)者信息及顯隱式評(píng)分信息的采集、學(xué)習(xí)者興趣偏好模型的訓(xùn)練等。最后采用學(xué)習(xí)平臺(tái)歷史數(shù)據(jù)驗(yàn)證改進(jìn)算法在學(xué)習(xí)資源推薦中的有效性和正確性。5、構(gòu)建基于在線教育的學(xué)習(xí)資源推薦系統(tǒng),并對(duì)系統(tǒng)各模塊進(jìn)行設(shè)計(jì)與實(shí)現(xiàn),對(duì)開發(fā)平臺(tái)及工具進(jìn)行描述,對(duì)實(shí)際開發(fā)效果進(jìn)行軟件測(cè)試。通過推薦系統(tǒng)模塊間的整合,為學(xué)習(xí)者提供較好的個(gè)性化資源推薦服務(wù),提高了學(xué)習(xí)者的學(xué)習(xí)效率,完善其學(xué)習(xí)體驗(yàn),為今后進(jìn)一步的研究和應(yīng)用奠定基礎(chǔ)。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.3;G434
【部分圖文】：

1 研究背景和意義隨著互聯(lián)網(wǎng)與信息技術(shù)的不斷發(fā)展、智能終端的普及、4G 網(wǎng)絡(luò)和無(wú)線網(wǎng)絡(luò)覆蓋使得人們的生活、工作都發(fā)生了巨大的變化。人們以網(wǎng)絡(luò)為介質(zhì)，遠(yuǎn)程資源的學(xué)習(xí)方式也在不斷發(fā)展，學(xué)習(xí)者可通過網(wǎng)絡(luò)課件或其他學(xué)習(xí)資源進(jìn)行受時(shí)間和空間的限制。E-Learning 即數(shù)字化學(xué)習(xí)，主要是指以多媒體資源與信息技術(shù)為核心，通過成跨時(shí)空、跨地域的教與學(xué)的教育形式。學(xué)習(xí)者可在 E-Learning 平臺(tái)完成課、提問、作業(yè)上傳、資源下載等；教師可通過上傳學(xué)習(xí)資源、錄制音視頻、答疑等完成教學(xué)任務(wù)。我國(guó)遠(yuǎn)程教育從 1998 年發(fā)展至今，先后經(jīng)歷了函授、電子遠(yuǎn)程、交互式媒體、互動(dòng)網(wǎng)絡(luò)教學(xué)模式等階段，近幾年科學(xué)技術(shù)的進(jìn)戶規(guī)模也得到快速增長(zhǎng)[1]。根據(jù) CNNIC 在 2017 年 6 月發(fā)布的《中國(guó)互聯(lián)網(wǎng)況統(tǒng)計(jì)報(bào)告》顯示[2]，我國(guó)在線教育的用戶規(guī)模已達(dá) 1.44 億，市場(chǎng)規(guī)模也在，已達(dá) 1916.7 億元。隨著越來越多的用戶選擇在線學(xué)習(xí)，在線教育的市場(chǎng)有進(jìn)一步的發(fā)展，預(yù)計(jì) 2018 年將達(dá)到 2321.2 億元，如圖 1.1 所示。

圖1.2 M-P 神經(jīng)元模型神經(jīng)網(wǎng)絡(luò)發(fā)展至今，在信號(hào)處理、模式識(shí)別與人工智能等多個(gè)領(lǐng)域都取得了究[24]。3 研究?jī)?nèi)容本論文以西安電子科技大學(xué)網(wǎng)絡(luò)與繼續(xù)教育學(xué)院的學(xué)生為主要研究對(duì)象，對(duì)歷史評(píng)價(jià)及學(xué)習(xí)行為數(shù)據(jù)進(jìn)行處理和分析，對(duì)在線教育平臺(tái)的學(xué)習(xí)資源進(jìn)行標(biāo)模，最后為學(xué)生進(jìn)行個(gè)性化的學(xué)習(xí)資源推薦，主要研究工作如下：1、首先對(duì)本文的研究背景進(jìn)行了介紹，明確了學(xué)習(xí)資源個(gè)性化推薦對(duì)提高習(xí)效率的意義，然后對(duì)國(guó)內(nèi)外關(guān)于學(xué)習(xí)資源、推薦技術(shù)和神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀理論做了簡(jiǎn)要介紹。2、在分析現(xiàn)有學(xué)習(xí)平臺(tái)推薦方法的優(yōu)缺點(diǎn)之上，提出了基于雙屬性評(píng)分矩經(jīng)網(wǎng)絡(luò)的協(xié)同推薦算法，對(duì)解決傳統(tǒng)推薦算法因評(píng)分?jǐn)?shù)據(jù)過于稀疏、“冷啟動(dòng)

學(xué)習(xí)元構(gòu)成元素
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于洪;李俊華;;一種解決新項(xiàng)目冷啟動(dòng)問題的推薦算法[J];軟件學(xué)報(bào);2015年06期

2 朱揚(yáng)勇;孫婧;;推薦系統(tǒng)研究進(jìn)展[J];計(jì)算機(jī)科學(xué)與探索;2015年05期

3 熊頻;胡小勇;;面向智慧校園的學(xué)習(xí)資源建設(shè)研究:趨勢(shì)與建議[J];教育信息技術(shù);2014年05期

4 胡勛;孟祥武;張玉潔;史艷翠;;一種融合項(xiàng)目特征和移動(dòng)用戶信任關(guān)系的推薦算法[J];軟件學(xué)報(bào);2014年08期

5 王國(guó)霞;劉賀平;;個(gè)性化推薦系統(tǒng)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

6 辛菊琴;蔣艷;舒少龍;;綜合用戶偏好模型和BP神經(jīng)網(wǎng)絡(luò)的個(gè)性化推薦[J];計(jì)算機(jī)工程與應(yīng)用;2013年02期

7 張付志;�？★L(fēng);王棟;;基于Widrow-Hoff神經(jīng)網(wǎng)絡(luò)的多指標(biāo)推薦算法[J];模式識(shí)別與人工智能;2011年02期

8 滕欣欣;;國(guó)內(nèi)遠(yuǎn)程教育發(fā)展現(xiàn)狀和趨勢(shì)探究[J];中國(guó)教育技術(shù)裝備;2011年03期

9 楊現(xiàn)民;余勝泉;;泛在學(xué)習(xí)環(huán)境下的學(xué)習(xí)資源信息模型構(gòu)建[J];中國(guó)電化教育;2010年09期

10 張磊;陳俊亮;孟祥武;沈筱彥;段錕;;基于BP神經(jīng)網(wǎng)絡(luò)的協(xié)作過濾推薦算法[J];北京郵電大學(xué)學(xué)報(bào);2009年06期

相關(guān)博士學(xué)位論文 前2條

1 尹航;信息推薦系統(tǒng)中的協(xié)同過濾技術(shù)研究[D];東北大學(xué);2012年

2 張磊;個(gè)性化推薦和搜索中若干關(guān)鍵問題的研究[D];北京郵電大學(xué);2009年

相關(guān)碩士學(xué)位論文 前4條

1 黃濤;基于神經(jīng)網(wǎng)絡(luò)的個(gè)性化推薦算法研究與設(shè)計(jì)[D];重慶大學(xué);2016年

2 張騰季;個(gè)性化混合推薦算法的研究[D];浙江大學(xué);2013年

3 陳紅珍;網(wǎng)絡(luò)學(xué)習(xí)行為及學(xué)習(xí)過程監(jiān)控方法研究[D];東北師范大學(xué);2011年

4 蔡俊;基于數(shù)據(jù)倉(cāng)庫(kù)的點(diǎn)擊流技術(shù)的研究[D];江蘇大學(xué);2009年

本文編號(hào)：2866718