基于社會化標簽和混合模式的教學資源個性化推薦系統(tǒng)的設計.pdf

1、伴隨著網(wǎng)絡時代的大發(fā)展，人們要在浩如煙海的網(wǎng)絡數(shù)據(jù)中，發(fā)現(xiàn)自己感興趣的數(shù)據(jù)越來越難。而個性化推薦系統(tǒng)，為解決這一問題提供了一個非常好的思路。它可以通過顯性或隱性的方式收集信息來產(chǎn)生個性化的推薦。雖然，由于人們在個性化推薦方面已經(jīng)做出了大量的研究。但是，個性化系統(tǒng)還是在預測方面存在很大的不足，特別是在對用戶模型的預測方面。為此我們引入了社會化標簽系統(tǒng)。
　　而作為web2.0的代表技術(shù)之一的社會化標簽系統(tǒng)，也在信息的標注方面取得了不

2、錯的成效，并已經(jīng)成功的應用于網(wǎng)絡的很多方面。社會化標簽系統(tǒng)，不僅能夠完成對網(wǎng)絡數(shù)據(jù)的較為合理的分類。它的社會化特性，使得我們能夠從中間挖掘出很多的潛在用戶信息以及用戶的社會化關(guān)系。
　　本文主要是提供了一種基于社會化標簽的混合推薦系統(tǒng)。它的核心思想主要集中在以下幾個方面：
　　1、首先，用戶基本模型和資源基本模型的建立。它是采用基于用戶-標簽、資源-標簽的權(quán)重矩陣來表示的，而這些權(quán)重的提取時基于TF-IDF的文本信息提取技術(shù)

3、。
　　2、其次，同義詞提取技術(shù)。為了使得標簽能夠更為準確反映真實的信息，本文對得到的數(shù)據(jù)進行了同義詞提取環(huán)節(jié)。
　　3、再次，對社會化屬性的挖掘。為了挖掘出標簽系統(tǒng)中潛在的用戶與用戶的關(guān)系，本文使用了基于關(guān)聯(lián)數(shù)據(jù)挖掘算法Apriori對其社會屬性進行挖掘。這樣做的目的是為了提高用戶模型表示的準確性。
　　4、還有，采用基于興趣的方式進行個性化推薦。為了更為準確的預測用戶的模型，采用了聚類算法將標簽聚類。在聚類的基礎(chǔ)上