基于協(xié)同過濾的教學資源推薦研究.pdf

1、近年來，隨著互聯(lián)網和教育信息化的高速發(fā)展，網絡教學已經成為信息時代深受歡迎的教育模式，為學習者提供了十分豐富的教學資源。然而，在帶來便捷的同時，網絡教學也存在著一些急需解決的問題，例如浩瀚的教學資源易導致用戶迷失在信息空間中，難以找到感興趣的資源，進一步使得大量優(yōu)質資源得不到充分利用并且降低了用戶的學習效率。因此需要提供更優(yōu)質的服務策略，幫助用戶高效的找到所需教學資源。將推薦技術應用到網絡教學中來為學習者提供有針對性的服務成為網絡教學中

2、重要的研究內容。
　　本文詳細分析了常用的幾種個性化推薦技術的優(yōu)勢和不足，結合教學資源的特征，選取協(xié)同過濾推薦算法對教學資源進行推薦，并對其進行了改進以緩解推薦過程中產生的可擴展性問題、數據稀疏性問題和用戶冷啟動問題。主要研究工作包括:
　　(1)針對可擴展性問題，考慮相似用戶對資源屬性偏好也相同的特點，利用基于最大距離的K-means聚類算法對用戶進行聚類。算法選取距離最大的用戶作為初始聚類中心，通過離線聚類將對資源屬性有

3、相同偏好的用戶劃分到同一個簇中，并在與目標用戶相近的若干個簇中查找最近鄰居，從而減小了鄰居查詢的時空開銷。
　　(2)針對稀疏性問題，本文提出一種基于用戶評分和資源屬性偏好的推薦模型。在查找目標用戶最近鄰居時，考慮用戶、資源和資源屬性的關系，采用評分相似性和資源屬性偏好相似性相結合的方法，充分利用有效信息挖掘出了更多相似用戶，提高了系統(tǒng)的推薦質量。
　　(3)對于用戶冷啟動問題，提出了基于用戶特征和信息熵的推薦模型。根據用戶