基于协同过滤的校园教育资源网个性化推荐研究

网络在现在人们的日常生活中已经成为不可或缺的工具,通过网络寻找自己想要的信息资源已经变成人们获取信息最快捷和简便的方式,但是海量的网络资源对于用户来说是非常痛苦的,因为要在大量的信息中找到适合自己的,好比海底捞针,是非常困难的。因此如何能让用户准确而又轻松找到自己需要的资源,已经是各个网站努力必须面对并且必须解决的问题。个性化推荐技术的发展也就应运而生,为该问题提出了一个很好的解决办法。 随着个性化技术的广泛使用,推荐系统也慢慢变成人们关注和研究的重点,因为它通过主动向客户推荐资源来满足用户需求,很多用户不愿意花太多时间在一个需要花费自己很长时间寻找资源的网站上.个性化推荐作为一种崭新的智能信息服务方式,可以通过分析用户的习惯、历史记录数据,根据用户提出的确定性的要求,较为准确地向用户提供感兴趣的信息和服务,很大程度上解决了“信息过载”和“信息迷失”带来的各种问题,如果推荐资源的精确度足够高,还是提高用户粘性的一个非常好的途径. 本文以协同过滤技术为研究基础,提出了建设个性化教育资源推荐网的具体方法.文章主要分析了建设该网站的多方面原因以及可行性分析,根据协同过滤技术包含的输入数据、邻居形成、产生推荐三个主要部分分别建立相应的信息资源和学生兴趣模型;获取评价矩阵,进行评分预测;根据不同资源类别进行不同的推荐.在推荐过程中,根据学生特征计算目标用户的相似群体,建立资源模型,对传统的slopeone推荐算法在预测评分上进行改进,增加了用户和项目相似性的考虑,以缩小计算范围和提高预测准确度.在推荐过程中,将资源按照不同类别进行推荐,准确度将会得到提高. 针对文章中提出的不同类别资源进行不同的推荐,评价方法也做了改进,摒弃了传统的以资源个数为单位进行考虑的方法,而以关键字为单位进行考虑.结合用户的访问记录集和推荐资源集进行查准率和查全率的计算,精度得到了提高.文章最后对所做的研究内容进行了总结并对后期需要改进以及深入研究的地方做了简单的分析说明.