基于用户兴趣度的学习资源推荐方法研究

来源 :中北大学 | 被引量 : 0次 | 上传用户:yoki1120
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着互联网和web2.0技术的飞速发展,网络上信息资源快速增长,导致“信息过载”的问题愈发严重。用户从海量的文本、视频、图像和音乐等网络资源中找到符合自己需求的内容变得愈发困难。推荐系统是解决上述问题的关键技术之一,推荐系统通过统计分析研究用户历史行为数据,得到用户的兴趣偏好,从而进行个性化推荐。推荐系统当前的应用领域主要集中在电子商务、电视电影、音乐网站、新闻资讯和广告推送等方面。在其他领域,也亟需推荐系统解决一些问题,在教育领域,根据《中国互联网络发展状况统计报告》和iiMedia Research调查数据显示,随着我国“互联网+教育”发展理念的发展和普及,我国在线教育平台和用户规模逐步上升,在2020年将达到了3.09亿人,我国在线教育市场规模在2020年将达到了7230.6亿元。学习者如何从海量的学习资源中快速找到符合自己需求的内容成为了一个不得不面对和解决的问题,目前对学习资源推荐方法的研究处于初级阶段,本论文针对学习资源推荐存在的问题提出新的方法。主要工作如下:1.针对传统的协同过滤方法新学习者“冷启动”和数据稀疏性问题,提出了一种基于用户兴趣度迁移的跨领域学习资源推荐方法。鉴于学习者在不同领域积累了大量评分数据,且在不同领域的学习者偏好存在相似性,该方法利用学习者评分信息,提出一种新的RF-ILF方法构建用户兴趣度;针对目标领域“冷启动”学习者,利用变换矩阵方法,借助学习者在辅助领域的兴趣度得到其在目标领域的兴趣度;最后将辅助领域中的学习者兴趣度迁移到目标领域以缓解目标领域数据稀疏性。真实数据集上的实验结果表明,该方法与已有的单领域协同过滤方法和基于评分模式的跨领域方法相比,具有更高的准确率、召回率和F1值。2.针对基于评分数据的传统推荐方法中评分数据的稀疏性严重影响推荐性能问题,鉴于学习者对学习资源的评论文本不仅直观地描述了学习资源获得评分及评分高低的原因,而且不同学习者对同一个学习资源具有不同的评估点和叙述方式,为了缓解数据稀疏性以提高推荐正确率,提出一种基于BERT模型和评论文本的学习资源推荐方法。利用BERT模型分别对学习者和学习资源的评论文本进行处理,并结合注意力机制得到学习者偏好向量和学习资源特征向量;根据评分矩阵得到学习者和学习资源的潜在隐向量,并将上述学习者和学习资源的两种向量利用融合门进行融合;最后,将传统向量相乘的评分预测方式改进为深度神经因子分解机的方式。在4组数据集上的实验结果表明,该方法在RMSE上优于传统的基于评分和评论文本的方法,最高降幅达到4.2%。
其他文献
本文主要研究了向量最小值这一类多目标规划问题,并通过引入α-invex函数,α-η-拉格朗日函数的概念,给出了这类多目标规划问题的鞍点判别法。
要当代社会的一个重要特征是进入风险社会,突发性灾难频发是风险社会的一个重要特点。通过比较研究发现,建立在知识性基础上的科学理性与社会理性的统一是有效处理突发性灾难的
按照广大人民群众的愿望和要求加强党的先进性建设,确保党的先进性建设成为群众满意工程,是对先进性教育活动和今后我们党的先进性建设提出的基本要求,是实施党的建设新的伟
偃龙煤田"三软"煤层,煤巷交岔点受顶板压力和巷帮侧压的影响变形严重,采用U型钢棚+锚索+锚网+锚杆的联合支护技术进行加固,取得明显效果。
安徽省医院分级管理第一、第二评审周期已经结束,等级医院的评审工作暂停,根据安徽省卫生厅[1999]22号文件精神,以后医疗机构的质量督查每年要不少于一个轮次,由各地市卫生行
采用文献资料法、问卷调查法、访谈法、数理统计法就乌鲁木齐市初中《体育与健康课程标准》的实施情况进行调查研究,旨在了解其实施现状的基础上,对存在的问题提出建议,为乌