The invention discloses a personalized recommendation method for learning materials, which includes the following steps: (1) First, the content-based recommendation algorithm is used to calculate the learner's object portrait and the user's portrait, and then the cosine similarity between the user's portrait and the object's portrait is calculated to obtain the similarity matrix between the user's portrait and all the object's portrait, and then the integrated classifier is input to the learner's inner-based approach. Compatible recommendation; (2) After learners use the recommendation method of step (1) learning for a period of time, the learners'user portraits on each data attribute feature have data support, calculate the cosine similarity between different user portraits, get the similarity matrix between learners and other users, and input the integrated classifier, and use user-based collaborative filtering to recommend learners. (3) Collaborative filtering recommendation based on items for each learner. This method can recommend learning materials more accurately.
【技术实现步骤摘要】
一种学习资料的个性化推荐方法
本专利技术涉及大数据分析
,具体涉及一种学习资料的个性化推荐方法。
技术介绍
在如今大数据时代之下,学习者经常要面对海量的学习资源,而出现选择困难,因此学习资料的推荐方法应运而生。现有的学习资料推荐方法与系统主要是基于思维地图来进行推荐。思维地图的技术特征是,将其系统与学习者之间的学习行为日志采集到,依据此构建阈值,与学习事务图,再依据学习事务图挖掘泡图,依据泡图找到候选子图集合,然后找到与候选子图有边连接且此边具有最大权值的节点,再将该节点加入候选子图,形成新的候选子图,最后不断重复此过程,直到候候选子图的节点数达到给定阈值为止,最后将支持度最大的候选子图作为挖掘结果推荐给学习者。该方法在对每一个学习者进行推荐时,没有对学习者的学习行为日志进行深度剖析,从而不能量化精确描述学习者的用户画像等特征,从而做不到精准的个性化推荐。
技术实现思路
为了克服上述技术缺陷,本专利技术提供了一种学习资料的个性化推荐方法,该方法将基于内容的推荐算法与协同过滤算法应用在学习资料的推荐方法中,实现对学习资料更精准地推荐。为了达到上述技术效果,本专利技术提供了一种学习资料的个性化推荐方法,其特征在于,包括以下步骤:(1)首先采用基于内容的推荐算法计算学习者的物品画像与用户画像,然后计算用户画像与物品画像之间的余弦相似度,得到用户画像与所有物品画像的相似度矩阵,并输入集成分类器,对学习者进行基于内容的推荐;(2)在学习者使用步骤(1)的推荐方法学习一段时间后,学习者在每个资料属性特征上的用户画像就有了数据支撑,计算不同用户画像之间的余弦相似度,得 ...
【技术保护点】
1.一种学习资料的个性化推荐方法,其特征在于,包括以下步骤:(1)首先采用基于内容的推荐算法计算学习者的物品画像与用户画像,然后计算用户画像与物品画像之间的余弦相似度,得到用户画像与所有物品画像的相似度矩阵,并输入集成分类器,对学习者进行基于内容的推荐;(2)在学习者使用步骤(1)的推荐方法学习一段时间后,学习者在每个资料属性特征上的用户画像就有了数据支撑,计算不同用户画像之间的余弦相似度,得到学习者与其他用户的相似度矩阵,并输入集成分类器,采用基于用户的协同过滤来为学习者进行推荐;(3)对每个学习者进行基于物品的协同过滤推荐。
【技术特征摘要】
1.一种学习资料的个性化推荐方法,其特征在于,包括以下步骤:(1)首先采用基于内容的推荐算法计算学习者的物品画像与用户画像,然后计算用户画像与物品画像之间的余弦相似度,得到用户画像与所有物品画像的相似度矩阵,并输入集成分类器,对学习者进行基于内容的推荐;(2)在学习者使用步骤(1)的推荐方法学习一段时间后,学习者在每个资料属性特征上的用户画像就有了数据支撑,计算不同用户画像之间的余弦相似度,得到学习者与其他用户的相似度矩阵,并输入集成分类器,采用基于用户的协同过滤来为学习者进行推荐;(3)对每个学习者进行基于物品的协同过滤推荐。2.根据权利要求1所述的学习资料的个性化推荐方法,其特征在于,所述步骤(1)中用户画像的获取是通过对学习者的学习行为数据进行分析得到的。3.根据权利要求1所述的学习资料的个性化推荐方法,其特征在于,所述步骤(1)中物品画像的获取是通过对学习资料库中的资料的标题以及...
【专利技术属性】
技术研发人员:何林凯,于跃,
申请(专利权)人:四川长虹电器股份有限公司,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。