基于協(xié)同過濾推薦技術(shù)的學習資源個性化推薦系統(tǒng)研究.pdf

1、E-learning已成為企業(yè)開展員工培訓的有效方式之一。目前，許多大型企業(yè)在企業(yè)內(nèi)部網(wǎng)或互聯(lián)網(wǎng)搭建了e-learning平臺。隨著e-learning應用實踐的深入，e-learning平臺中學習資源數(shù)量日漸增多，導致員工需要花費大量的時間和精力在平臺中檢索和查閱符合自己需要的學習資源，甚至找不到符合自己興趣和工作崗位需求的學習資源。通過分析多個企業(yè)e-learning門戶系統(tǒng)，我們發(fā)現(xiàn)，當前e-learning系統(tǒng)推送學習資源的方式

2、有：Top-N推薦方式、關(guān)鍵字查詢方式和最新資源推薦。以上各種資源推送方式在一定程度上幫助學習者檢索和發(fā)現(xiàn)符合學習需要的資源，但是不能個性化地向?qū)W習者推送學習資源。因此，如何解決e-learning系統(tǒng)中學習資源的個性化地主動式推薦就成為當前教育技術(shù)學研究人員面臨的研究主題之一。本文首先對目前已在電子商務領域成功應用的協(xié)同過濾推薦技術(shù)及算法作了分析和研究，并總結(jié)、概括了該算法存在的不足之處，針對這些問題介紹了幾種典型的優(yōu)化算法。

3、　　 然后，為了解決協(xié)同過濾算法自身存在的數(shù)據(jù)稀疏和冷啟動問題，提出了利用內(nèi)容過濾推薦算法和項目評分預測方法對其進行優(yōu)化的思想。同時，構(gòu)建了一個基于用戶學習行為的隱式評分模型，將用戶對資源的收藏、推薦、分享等能夠體現(xiàn)用戶對資源喜好的行為因素轉(zhuǎn)化為可定量的資源評分，以增加用戶對資源的評分率。將以上的算法思想加以融合，得到一個優(yōu)化的組全算法。
　　 最后，基于以上提出的優(yōu)化組合后的協(xié)同過濾推薦算法，構(gòu)建一個個性化學習資源推薦模型，