移動情景學習下的協(xié)同過濾專家推薦研究.pdf

1、當今社會是計算機網(wǎng)絡廣泛應用的社會，人們處于一個不論是在工作、學習、生活都離不開計算機網(wǎng)絡的時代。而傳統(tǒng)教學也在原有的面對面的教學模式的基礎上有了新的突破和發(fā)展。面對面的課堂教學模式具有成本低、易管理的優(yōu)勢，仍然是目前國內(nèi)外教學采用的主要教育模式。但是在終身學習理念普及的當代社會，面對面的課堂教學模式很難滿足學習者對于學習時間、地點多樣性的需求。因此，在課堂教學模式的基礎上發(fā)展了遠程網(wǎng)絡教育、移動教育等多種教學模式，而教學資源呈現(xiàn)出來的

2、數(shù)字化、網(wǎng)絡化特點，使得這些教學資源越來越受到廣大用戶的關注，在信息化時代中，專家也成為一種教學資源。在大量學習資源產(chǎn)生的同時，學習者也更容易遭受到信息過載的困擾。因此，如何快速地為學習者推薦其所需要的專家，已成為在新型教學模式中亟待研究和解決的問題。
　　本文在查閱和參考大量的推薦技術和移動情景學習相關文獻資料后，對國內(nèi)外著名的推薦技術及網(wǎng)絡學習、移動學習等相關學習理論進行總結(jié)歸納。根據(jù)用戶興趣模型構建和專家資源模型構建，對移動

3、情景平臺中高血壓領域的專家推薦過程進行詳細的分析與闡述。接著，根據(jù)專家資源的特點，采用用戶對高血壓領域的專家的評價信息作為計算用戶相似性的方法，較好地改善了傳統(tǒng)推薦過程中的數(shù)據(jù)稀疏問題。并在移動情景學習平臺中進行實驗。在用戶對專家評分的真實數(shù)據(jù)支持下，分別對于隨機推薦的專家進行海明距離和修正余弦相似計算實現(xiàn)基于項目和基于用戶的推薦。最后通過兩種推薦計算后，獲得推薦并集，并且剔除用戶已關注專家，來獲取專家推薦列表。
　　本研究基于移

4、動情景學習平臺下的原始數(shù)據(jù)獲取，專家信息和用戶信息均來自于系統(tǒng)真實數(shù)據(jù)，通過協(xié)同過濾專家推薦模型的算法實施，可以得到以下結(jié)論:
　　(1)通過協(xié)同過濾推薦后形成的專家推薦列表，目標用戶的瀏覽度、點擊頻率以及咨詢概率有了很大程度的提高，同時，對專家的滿意度和服務滿意度相對較高。
　　(2)基于用戶和基于（項目）的雙重推薦，在滿足推薦準確度的同時，也滿足給用戶推薦的多樣性，可以讓用戶有更多樣的專家資源去咨詢和學習。
　　(