论文部分内容阅读
网络用户检索信息时经常面临“信息超载”、“信息迷雾”等问题,帮助用户高效、准确地查找所需信息已经成为一个网站成功的关键。本研究的主要目的是基于视频案例网络教研平台,通过构建用户兴趣模型和视频资源模型,为用户提供个性化推荐服务,提高用户查找教育资源的效率。
首先,个性化推荐服务的核心是用户兴趣模型的建立,这由用户信息的获取、用户信息的预处理、用户兴趣度的计算、用户模型的表示四部分构成。用户信息分为用户显性信息和用户隐性信息。用户信息预处理的过程实际上是对获取的用户信息进行量化表示。用户兴趣度是通过跟踪用户行为,计算七个维度的用户行为信息的权值之和得到的。这七个维度包括浏览视频案例所在网页的次数,下载视频案例的次数,对视频案例的观看时间,鼠标拖动视频案例时间进度条的次数,是否将视频案例所在网页收藏到收藏夹中,观看视频案例时是否将视频窗口最大化,观看视频案例时是否对声音进行调节。统计分析用户兴趣度,兴趣度的大小表示用户对视频案例感兴趣的程度,这样建立起来即是用户兴趣模型。
其次,用户兴趣模型会随着时间的推移而发生改变,模型更新实际上是用户兴趣度的更新。对于用户持续关注的资源,用户兴趣度相应的增加。对于用户先前关注但现在遗忘的资源,用户兴趣度相应的衰减。本文使用一个斐波那契数列构造一个用户兴趣衰减函数来反映用户兴趣的漂移。
再次,依据现代远程教育资源建设规范的说明来构建资源模型。根据知识点之间的衔接关系对每一个知识单元或每一个知识点对应的视频案例资源进行统一编码。
最后,根据用户兴趣模型中兴趣度最大的视频案例资源为用户提供个性化推荐服务。本研究采用知识单元编码匹配和资源描述关键词相关度匹配相结合的混合匹配算法,为用户提供个性化推荐服务。
模拟实验根据用户兴趣度最大的视频案例资源得到混合个性化推荐列表,它包含了知识单元列表和关键词相关度较高的列表。通过用户对推荐列表的反馈证明本实验采用混合推荐的方法,提高了个性化推荐的准确性和全面性。