基于协同过滤技术的在线学习资源个性化推荐系统研究.doc

基于协同过滤技术的在线学习资源个性化推荐系统研究*孙 歆 王永固 邱飞岳□【摘 基于协同过滤技术的在线学习资源 个性化推荐系统研究* 孙 歆 王永固 邱飞岳 □ 【摘 要】 在线学习资源建设已经成为了当今数字化学习研究的热点问题。本文以学习过程中学习者学习行为和 在线学习资源的特点为基础，结合协同过滤算法，设计了基于协同过滤技术的在线学习资源个性化推荐系 统模型。实践证明，该模型可以更好地为学习者创造数字化学习环境，提高学习者的自主学习效率。 【关键词】 协同过滤；个性化推荐；学习行为；自主学习 【中图分类号】 G40-057 【文献标识码】 A 【文章编号】 1009—458x（2012）08—0078—05 之一。由于学习者群体的特殊性，每位学习者都有其 潜在的学习兴趣，协同过滤技术可以帮助学习者快速 地发现有价值的资源，自主选择学习内容，根据自身 的兴趣度来完善知识体系。因此，本文将协同过滤技 术手段和在线学习资源的特征相结合，从学习者自主 学习的角度来构建满足学习者个性化需要的在线学习 资源系统。 E- le a rning 作为一种基于计算机通信技术的学 习方式，可以最大限度地利用网络教学资源，学习者 在学习过程中不必受到时空环境的限制，随时随地根 据自身需要进行自主学习。这种新型的学习形式目前 已经广泛的应用于各种在线课堂教学和技能培训领 域。虽然 E- le a rning 教学资源建设已经取得了阶段 性成果，但是主要有以下几个问题： （1） 资源数量 爆炸性增长。如今在线学习资源数量繁多，资源的质 量和水平参差不齐，学习者往往无法辨别资源的优 劣，导致学习资源的利用水平并不理想。 （2） 资源 种类多样化。在线学习资源除了传统的文本类型以 外，还有声音、图像、视频等多种媒体类型，媒体类 型的不一致也给资源的有哪些信誉好的足球投注网站和归类带来了 不 便 。 （3） 资源非线性呈现。与传统教学中的书本不同，在 线学习资源一般以超文本链接联系各个知识点，学习 者以非线性的方式进行学习，知识点的“跳跃性”也 容易让学习者在学习时产生迷茫感。以上问题使得目 前很多的 E- le a rning 系统无法根据不同学习群体的 不同学习特征来提供个性化的学习支持服务。随着人 们对在线学习资源认识的不断深入，具有智能分析技 术的在线学习资源系统将是未来资源建设发展的趋势 个性化推荐是对用户的兴趣、爱好、行为进行分 析和建模，根据分析得出的结果给用户提供“个性 化”、“定制化”的服务，以解决目前互联网中信息 过载这一问题。目前，个性化推荐技术可以分为内容 过滤推荐、规则过滤推荐和协同过滤推荐。 内容过滤推荐技术 1. 基于内容的推荐是较早提出的一种推荐技术，该 算法的原理是利用概率或者机器学习技术将用户的已 有兴趣表示为模型，然后与资源进行比较，通过两者 之间的相似程度来为用户进行推荐。 规则过滤推荐技术 2. 基于规则的推荐是将推荐规则事先进行保存，然 后通过这些规则对用户进行推荐。规则过滤推荐系统 中规则的质量和数量决定了推荐的效果，从本质上说 * 基金项目：本文接受浙江省重大科技专项 “ 浙 江 中 小 企业信息化服务平台关键技术 研 究及应用 ” （2009C11026）、国家社会科学基金“网络环境下个体行为与群体行为研究” （10BGL095）、教育部人文社会科学 研究项目“虚拟社区中基于社会网络的知识共享机理及实证研究” （09YJC630207） 的支持。 二、文献综述 一、引言 规则就是“if- e ls e ”类型的语句，这些语句分别描述了不同情境下以何种方式进行推荐。3. 规则就是“if- e ls e ”类型的语句，这些语句分别描述 了不同情境下以何种方式进行推荐。 3. 协同过滤推荐技术 协同过滤技术最早于 1992 年出现在 Ta p e s try 系统中，当时主要用于解决电子邮件系统的筛选问 题。随着协同过滤技术的发展，协同过滤技术在商业 领域取得了较大成功。国外最具代表性的协同过滤系 统有 Ama zon 和 Fa c e b ook 的广告系统，Ama zon 是 根据用户购买和查看图书的记录来为其推荐可能感兴 趣的书籍，Fa c e b ook 则是依托其庞大的用户群，根 据朋友间的兴趣来进行广告营销。与国外相比，国内 的协同过滤系统研究起步较晚，目前国内比较成熟的 协同过滤系统主要有当当网和豆瓣猜。当当网和 A- ma zon 的功能类似，同样是用于图书商品的推荐， 豆瓣猜是通过分析用户读书记录来预测用户可能喜爱 的书籍。协同过滤技术为网站增加了收入来源，增强 了用户体验度，受到了用户的好评。 以上三种个性化推荐技术的优缺点如表 1 所示。 表 1 个性化推荐技术分类及其优缺点 和 Sha ng