基于集成學(xué)習(xí)的個性化推薦系統(tǒng)的研究與實現(xiàn).pdf

1、隨著網(wǎng)絡(luò)和數(shù)據(jù)庫技術(shù)的飛速發(fā)展,在線獲取學(xué)習(xí)資源已經(jīng)成為一種潮流。學(xué)習(xí)者在面對種類繁多的海量網(wǎng)絡(luò)資源時,“信息過載”和“信息迷航”問題正變得日益嚴(yán)重。以用戶為中心,主動推薦信息和服務(wù),能較有效地緩解這些問題。但是,基于協(xié)同過濾的推薦系統(tǒng)又具有“數(shù)據(jù)稀疏”和“冷啟動”等不足。本文在構(gòu)建用戶興趣模型的基礎(chǔ)上將選擇性集成學(xué)習(xí)技術(shù)引入用戶模型分類,用以解決“冷啟動”問題。集成學(xué)習(xí)作為機(jī)器學(xué)習(xí)的首要研究方向,能顯著提高系統(tǒng)的泛化能力。同時,將內(nèi)容

2、過濾與協(xié)同過濾相結(jié)合,利用資源構(gòu)成的相似性改進(jìn)相似性計算方法,填充評分矩陣,有效解決“數(shù)據(jù)稀疏”問題。
　　“基于集成學(xué)習(xí)技術(shù)的個性化智能導(dǎo)學(xué)模型的研究”屬江西省教育廳科學(xué)技術(shù)研究項目,其宗旨是將集成學(xué)習(xí)技術(shù)應(yīng)用于E-Learning系統(tǒng)中,建立個性化智能導(dǎo)學(xué)模型,提高遠(yuǎn)程教育系統(tǒng)使用者的學(xué)習(xí)效果,增強(qiáng)遠(yuǎn)程教育系統(tǒng)的利用率和吸引力。本文所做的工作隸屬于該項目。主要內(nèi)容包括:
　　1、對集成學(xué)習(xí)技術(shù)和個性化推薦系統(tǒng)進(jìn)行了深入的

3、研究,在用戶興趣建模的基礎(chǔ)上提出一種三層用戶興趣的兩次細(xì)化模型,并通過引入興趣遺忘機(jī)制對模型進(jìn)行優(yōu)化。利用決策樹算法對收集的數(shù)據(jù)進(jìn)行學(xué)習(xí),結(jié)合選擇性集成技術(shù),根據(jù)模擬生物進(jìn)化的遺傳算法選擇個體學(xué)習(xí)器,建立最優(yōu)的用戶分類模型,為改進(jìn)協(xié)同過濾算法提供了基礎(chǔ)。
　　2、對協(xié)同過濾算法進(jìn)行了研究分析,針對傳統(tǒng)算法所存在的不足,提出一種改進(jìn)的協(xié)同過濾算法。將內(nèi)容過濾和協(xié)同過濾相結(jié)合,利用改進(jìn)的資源相似性計算方法形成資源相似性鏈表,由用戶對項