一种基于神经网络的教学资源个性化推荐方法技术

本发明专利技术公开了一种针对教学资源的个性化推荐方法。它至少包括下列模块：1)基于内容推荐模块：以教学资源的内容和属性为基础来进行推荐，可以解决新项目冷启动问题；2)基于用户协同过滤模块：根据用户的打分，下载，浏览矩阵计算用户之间相似度，然后对用户进行推荐；3)基于项目协同过滤模块：根据用户的打分，下载，浏览矩阵计算教学资源之间相似度，然后对用户进行推荐；4)神经网络模块：具有强大的动态非线性映射能力，对教学资源推荐有较高的精度和满意度。本发明专利技术推荐效果好于单独采用前面的推荐模块或者前面模块推荐结果的线性插值。

【技术实现步骤摘要】
一种基于神经网络的教学资源个性化推荐方法
本专利技术涉及一种资源的个性化推荐方法，尤其涉及在教学资源系统中进行个性化推荐方法。
技术介绍
近年来，随着WEB2.0的发展，互联网已经变成数据分享的平台，然而伴随而来的就是数据爆炸的问题，搜索引擎虽然能帮助用户迅速的找到目标信息，但是在很多情况下，用户不明确自己的需求，或者很难表达自己的需求，因此一个根据用户的个人口味和喜好推荐系统是非常有必要的。这帮助用户从简单的目标明确的数据搜索转换成更符合用户习惯的信息发现。如今，伴随着推荐技术的发展，推荐系统已经成功的应用到很多WEB应用中，并且取得了很大的成功。推荐模型应用到越来越多的领域，这对提高WEB应用的用户体验和智能性，有很大的帮助。在教学辅助系统领域，老师和学生会通过教学辅助系统上传和共享资源，却没有一种智能的针对教学资源的个性化推荐方法。为了提高资源共享系统的智能性，从而提高学生的学习兴趣和学习质量，本专利技术提出一种针对教学资源的个性化推荐方法，给学生推荐可能感兴趣的教学资源。
技术实现思路
本专利技术的目的是充分发挥基于内容推荐，协同过滤和神经网络的优点，从而提高推荐精度，提供一种针本文档来自技高网...

【技术保护点】
一种针对教学资源的个性化推荐方法，其特征在于至少包括下列模块：1)基于内容推荐模块：根据教学资源的上传时间，下载次数，平均分这三个属性来分别计算不同的推荐度来对用户推荐；2)基于用户协同过滤模块：根据用户的打分，下载，浏览矩阵计用户之间相似度，然后对用户进行推荐；3)基于项目协同过滤模块：根据用户的打分，下载，浏览矩阵计算教学资源之间相似度，然后对用户进行推荐；4)神经网络模块：是一个并行的分布式的信息处理网络，具有非线性映射和联想记忆的功能，通过数据本身的内在联系建模，对交通流进行预测。

【技术特征摘要】
1.一种针对教学资源的个性化推荐方法，其特征在于至少包括下列模块：1)基于内容推荐模块：根据教学资源的上传时间，下载次数，平均分这三个属性来分别计算不同的推荐度来对用户推荐；2)基于用户协同过滤模块：根据用户的打分，下载，浏览矩阵计算用户之间相似度，然后对用户进行推荐；3)基于项目协同过滤模块：根据用户的打分，下载，浏览矩阵计算教学资源之间相似度，然后对用户进行推荐；4)神经网络模块：是一个并行的分布式的信息处理网络，具有非线性映射和联想记忆的功能，通过数据本身内在联系来建模，对交通流进行预测；所述的基于内容推荐模块计算推荐度的方法如下：教学资源上传时间推荐度的计算公式是e-n，其中e是自然底数，n是上传距今的天数；教学资源下载推荐度公式是1-e-n，其中n是下载次数；教学资源打分推荐度公式是average/5，其中average是资源的平均分；所述的基于用户协同过滤模块根据用户偏好矩阵来进行推荐，假设有用户偏好矩阵P：P＝[P1,P2，P3,...pn]TPi＝[Pi，1，Pi，2，Pi，3，...pi，m]其中pi表示用户i的偏好向量，pi，j表示用户i对资源j的偏好程度；采用相似度计算函数PS得到任意两个用户之间的偏好相似度PS(i,j)；对于用户i，可以得与其他用户偏好的相似度，取相似度最高的前k用户，作为其邻居用户，就得到了用户i同邻居用户相似度向量Si：根据Si和P，预估资源j对用户i...

【专利技术属性】
技术研发人员：夏锋，牛亚男，孔祥杰，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：