基于增量協(xié)同過(guò)濾的個(gè)性化學(xué)習(xí)推薦研究.pdf

1、近年來(lái)，隨著互聯(lián)網(wǎng)和網(wǎng)絡(luò)學(xué)習(xí)社區(qū)快速的發(fā)展，信息技術(shù)正以驚人的速度改變著人們的學(xué)習(xí)方式，與此同時(shí),學(xué)習(xí)迷航、知識(shí)過(guò)載等問(wèn)題逐漸顯現(xiàn)出來(lái)。個(gè)性化學(xué)習(xí)推薦逐漸成為人們快速學(xué)習(xí)和掌握知識(shí)的一種重要手段，一定程度上改善了學(xué)習(xí)迷航以及知識(shí)過(guò)載的問(wèn)題，同時(shí)也體現(xiàn)了以人為本的個(gè)性化自主學(xué)習(xí)模式。個(gè)性化學(xué)習(xí)推薦系統(tǒng)通過(guò)分析學(xué)習(xí)者的特性和學(xué)習(xí)行為等記錄信息，向?qū)W習(xí)者推薦其可能感興趣的服務(wù)，已成為社交學(xué)習(xí)網(wǎng)絡(luò)和教育數(shù)據(jù)挖掘等領(lǐng)域的研究熱點(diǎn)。
　　目前

2、，協(xié)同過(guò)濾是個(gè)性化推薦系統(tǒng)應(yīng)用最廣泛的、較成熟的算法之一。但是，基于協(xié)同過(guò)濾的推薦算法依然面臨一些瓶頸問(wèn)題，例如：稀疏性、可擴(kuò)展性、冷啟動(dòng)等難題，有待進(jìn)一步研究和解決。針對(duì)數(shù)據(jù)稀疏、可擴(kuò)展性和精確度問(wèn)題，本文提出了一種基于增量協(xié)同過(guò)濾的個(gè)性化推薦算法。本文的主要工作如下：
　　首先，本文提出了一種雙層行為驅(qū)動(dòng)下的多Agent協(xié)同評(píng)分模型。利用學(xué)習(xí)者社會(huì)網(wǎng)絡(luò)關(guān)系和Agent動(dòng)態(tài)感知和交互能力，并結(jié)合個(gè)體行為度量的興趣度、群體行為度量

3、的信任度和影響力對(duì)學(xué)習(xí)資源進(jìn)行協(xié)同預(yù)測(cè)評(píng)分，降低預(yù)測(cè)評(píng)分偏差。
　　其次，針對(duì)傳統(tǒng)協(xié)同過(guò)濾算法中的稀疏性、可擴(kuò)展性和精確性問(wèn)題，提出一種基于增量協(xié)同過(guò)濾的個(gè)性化推薦方法。利用雙層行為驅(qū)動(dòng)下的多Agent協(xié)同評(píng)分模型，降低數(shù)據(jù)稀疏性帶來(lái)的干擾，提高預(yù)測(cè)評(píng)分的可靠性；采用動(dòng)態(tài)k-means聚類對(duì)樣本空間進(jìn)行動(dòng)態(tài)劃分，修正協(xié)同過(guò)濾提取的最近鄰問(wèn)題，以及增量式更新機(jī)制，從而來(lái)提高算法推薦的效率和精度。
　　最后，采用CSDN數(shù)據(jù)集進(jìn)