基于协同过滤技术的在线学习个性化推荐系统研究

《基于协同过滤技术的在线学习个性化推荐系统研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。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，SqlServer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

2、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：InordertopromotethedeepintegrationofinformationtechnologyandeducationinCollegesanduniversities，weproposetobuildonlinelearningsystemtocarryoutonlinelearning，andcombinetraditionalofflineclassroomlearningwithonlinelearningtoachiev

3、eblendedlearning.TakingMyEclipseasthedevelopmentplatform，SqlServerasdatabase，andadoptingthethreetierarchitectureBasedonSSHframework，theonlinelearning为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校

4、组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。personalizedrecommendationsystemisimplementedcombiningwithcollaborativefilteringalgorithm.Thepracticehasprovedthatthesystemcanimprovethelearner'sinterestinindividualizedself-studyandimprovethelearningeffect.　　Keywords：onlinelearningsystem；collaborativefiltering

5、；personalizedrecommendation；autonomouslearning　　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。为了充分发挥“教学点数

6、字教育资源全覆盖”项目设备的作用，我们不仅把资源运用于课堂教学，还利用系统的特色栏目开展课外活动，对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用，我校做到安装、教师培训同步进行。设备安装到位后，中心校组织各学点管理人员统一到县教师进修学校进行培训，熟悉系统的使用和维护。　　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，最新资源推荐技术，将最新的资源第一时间推荐给学习者。这三种传统方法均属

7、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