面向教程的混合推薦算法研究.pdf

1、互聯(lián)網(wǎng)為用戶提供了大量的學(xué)習教程，各種類型的教程網(wǎng)站層出不窮，為用戶提供了豐富的學(xué)習資源，這些資源從很大程度上為用戶提供了方便，人們在享受網(wǎng)絡(luò)教程便捷性的同時，經(jīng)常會迷失在海量的信息資源中，用戶往往需要花費大量的時間和精力挑選自己既感興趣而且適合自己的教程，為了讓用戶只專注于教程內(nèi)容，而不是花費大量的時間和精力在海量的信息資源中尋求有價值的教程，本文對教程推薦進行了深入的探討和研究，主要工作包括以下幾個方面:
　　1.首先研究了推

2、薦系統(tǒng)和教程推薦系統(tǒng)的概念，明確了教程推薦系統(tǒng)的設(shè)計目的。探討了教程和知識點的概念以及知識點之間的關(guān)系，并構(gòu)造了課程知識點樹。
　　2.設(shè)計了基于知識點屬性和內(nèi)容的個性化推薦算法推薦文字教程，首先對Web日志數(shù)據(jù)預(yù)處理，從中挖掘用戶的行為信息，根據(jù)用戶在瀏覽教程過程中的行為計算用戶對教程的興趣度，再將用戶對教程的興趣度轉(zhuǎn)化為對知識點的興趣度，進一步將基于TF-IDF的內(nèi)容推薦結(jié)果過濾，產(chǎn)生文字教程推薦列表。實驗表明將兩種推薦算法相

3、結(jié)合，推薦的準確率和召回率都有明顯的提高。
　　3.提出改進的協(xié)同過濾推薦算法——引入知識點的結(jié)合基于項目的協(xié)同過濾和基于用戶的協(xié)同過濾算法(KPIU-CF)推薦視頻教程，改進算法一方面考慮了知識點以及知識點之間的關(guān)系，另一方面可以有效緩解用戶-項目評分矩陣的數(shù)據(jù)稀疏性問題，得到比較準確的鄰居用戶，實驗表明該算法顯著提高了協(xié)同過濾推薦系統(tǒng)的推薦質(zhì)量和精確度。
　　4.根據(jù)教程的不同類型，采用一種混合的推薦算法設(shè)計和實現(xiàn)了教程