基于协同过滤技术的在线学习个性化推荐系统研究.docxVIP

基于协同过滤技术的在线学习个性化推荐系统研究 　　摘要：为促进高校信息技术与教育教学的深度融合，提出通过构建在线学习系统开展网络学习，将传统的线下课堂学习与线上学习结合起来，实现混合式学习。以MyEclipse作为开发平台，Sql Server作为数据库，采用基于SSH框架的三层架构思想，结合协同过滤算法，实现了在线学习个性化推荐系统。实践证明，该系统能提高学习者个性化自主学习的兴趣，提升学习效果。　　关键词：在线学习系统；协同过滤；个性化推荐；自主学习　　中国分类号：TP301 文献标志码：A 文章编号：1009--0173-02　　Abstract： In order to promote the deep integration of information technology and education in Colleges and universities， we propose to build online learning system to carry out online learning， and combine traditional offline classroom learning with online learning to achieve blended learning. Taking MyEclipse as the development platform， Sql Server as database， and adopting the three tier architecture Based on SSH framework ， the online learning personalized recommendation system is implemented combining with collaborative filtering algorithm. The practice has proved that the system can improve the learners interest in individualized self-study and improve the learning effect.　　Key words： online learning system； collaborative filtering； personalized recommendation； autonomous learning　　1 背景　　随着计算机网络通信技术的发展，高校的传统课堂教学方式面临着前所未有的挑战，在线学习作为教育信息化的一种产物，可以最大限度地利用网络教学资源，学习者在学习过程中不受时空限制，能随时随地根据自身需要进行自主学习[1]。这种新型学习形式越来越受到各大高校的青睐，将其与传统课堂学习有效融合，实现混合式教学[2]。但与此同时存在一个问题，在线学习平台提供了大量的学习资源，不仅资源种类多，同一种类的相似资源数量也很多，学习者无法辨别资源的优劣，无法准确找到适合自己的资源。　　目前的在线学习系统中，采用比较多的推荐技术有[3]：第一，TOP推荐，将点击率最高的前N各资源推荐给学习者；第二，关键词检索技术，将与关键词匹配度最高的资源推荐给学习者；第三，必威体育精装版资源推荐技术，将必威体育精装版的资源第一时间推荐给学习者。这三种传统方法均属于被动式推荐，无法根据学习者偏好特征主动推送其感兴趣的学习资源，且推荐的资源质量无法得到保证。鉴于此，本文将协同过滤技术引入在线学习系统的资源个性化推荐中，从学习者自主学习的角度构建满足学习者个性化需要的在线学习个性化推荐系统。　　2 协同过滤推荐技术　　协同过滤技术，在1992年由Goldberg，Oki，Nichols提出[4]，是个性化推荐系统中广泛使用的一种推荐技术，基本原理是：根据用户对项目的评分数据，计算目标用户/项目与全体用户/项目的相似度，建立近邻用户/项目，再由近邻集预测目标用户对未知项目的评分从而产生推荐集。根据聚焦点的不同，协同过滤技术分为基于用户的协同过滤和基于项目的协同过滤[5]，本文采用的是前者。基于用户的协同过滤方法的算法过程如图1所示， 首先通过计算用户间的相似度，找到当前用户的近邻集，然后根据近邻对项目的评价，预测当前用户对未知项目的评分，筛选出评分最高的前N项，即产生Top-N 推荐集。　　用户相似度的计算多采用余弦相似度方法，将用户u和v看作是项目空间上的向量，通过计算两个向量间的夹角余弦来度量用户间的相似性，计算公式如下：　　式中，u和v代表?筛鲇没В?sim表示用户间的相似性，表示用户u和v共同评分过的项目集，和 分别表示用户u和用户v对项目i的评分，