基于協(xié)同過(guò)濾算法的智慧學(xué)習(xí)推薦研究

摘要：互聯(lián)網(wǎng)技術(shù)在我國(guó)的普及應(yīng)用，改變了人們的生活生產(chǎn)方式，加快了全球化發(fā)展步伐，網(wǎng)絡(luò)教學(xué)課堂具有教學(xué)成本低、管理便捷等特點(diǎn)，受到疫情的影響網(wǎng)絡(luò)教學(xué)模式正式走入中國(guó)課堂，為了更好地落實(shí)終身學(xué)習(xí)理念，需要做好教學(xué)時(shí)間的分配和教學(xué)地點(diǎn)的選擇。遠(yuǎn)程網(wǎng)絡(luò)教育模式的出現(xiàn)，能夠滿(mǎn)足移動(dòng)化的教學(xué)需求，教師在教學(xué)設(shè)計(jì)的過(guò)程中，也能夠通過(guò)網(wǎng)絡(luò)技術(shù)進(jìn)行教育資源的獲取，本文主要以協(xié)同過(guò)濾算法為基礎(chǔ)，探討了智慧學(xué)習(xí)推薦形式，通過(guò)智慧學(xué)習(xí)平臺(tái)的建立，提高現(xiàn)代化教學(xué)質(zhì)量。

關(guān)鍵詞：協(xié)同過(guò)濾算法;智慧學(xué)習(xí);推薦研究

中圖分類(lèi)號(hào)：文獻(xiàn)標(biāo)識(shí)碼：B

計(jì)算機(jī)網(wǎng)絡(luò)時(shí)代的來(lái)臨，高校教學(xué)模式迎來(lái)了新的發(fā)展機(jī)遇，突破傳統(tǒng)教學(xué)課堂的限制，通過(guò)計(jì)算機(jī)技術(shù)實(shí)現(xiàn)面對(duì)面教學(xué)，受到網(wǎng)絡(luò)技術(shù)的影響，現(xiàn)代化教學(xué)資源開(kāi)始呈現(xiàn)出數(shù)字化的發(fā)展特點(diǎn)，但在面臨龐大學(xué)習(xí)資源的過(guò)程中，學(xué)生很容易受到信息量過(guò)大的困擾。想要為學(xué)生推薦智慧型學(xué)習(xí)的相關(guān)資源，需要改變傳統(tǒng)的教學(xué)模式，充分利用協(xié)同過(guò)濾算法構(gòu)建移動(dòng)教學(xué)情境，為網(wǎng)絡(luò)教學(xué)的普及提供技術(shù)支持，并建立智慧型學(xué)習(xí)模型，對(duì)學(xué)習(xí)資源的獲取與推薦過(guò)程進(jìn)行分析，通過(guò)智慧學(xué)習(xí)平臺(tái)的建立開(kāi)展推薦實(shí)驗(yàn)。

1? 多元化智慧學(xué)習(xí)推薦技術(shù)的應(yīng)用

1.1? 信息資源內(nèi)容的過(guò)濾推薦。想要通過(guò)網(wǎng)絡(luò)技術(shù)的應(yīng)用實(shí)現(xiàn)智慧學(xué)習(xí)，就需要選擇適合學(xué)生的過(guò)濾推薦技術(shù)，提高信息資源內(nèi)容的整體質(zhì)量，該技術(shù)的應(yīng)用主要是以網(wǎng)絡(luò)龐大的信息資源作為基礎(chǔ)，結(jié)合用戶(hù)的搜索需求，推薦相應(yīng)的資源信息。但整個(gè)信息過(guò)濾的過(guò)程沒(méi)有參考用戶(hù)的具體意見(jiàn)，主要是運(yùn)用概率統(tǒng)計(jì)的方式，對(duì)龐大的數(shù)據(jù)內(nèi)容進(jìn)行過(guò)濾，經(jīng)過(guò)分詞、分類(lèi)信息處理技術(shù)，生成相應(yīng)的數(shù)據(jù)文本，與用戶(hù)搜索內(nèi)容進(jìn)行對(duì)比，將具有最高相似度的信息資源推送給用戶(hù)。但由于網(wǎng)絡(luò)資源存放方式十分復(fù)雜，在進(jìn)行信息讀取時(shí)需要繁瑣的解碼步驟，無(wú)法實(shí)現(xiàn)對(duì)非結(jié)構(gòu)化資源的推薦，最終得到的推薦效果不理想，在進(jìn)行智慧學(xué)習(xí)資源獲取時(shí)，只通過(guò)簡(jiǎn)單的文字描述和關(guān)鍵詞，無(wú)法實(shí)現(xiàn)對(duì)學(xué)習(xí)內(nèi)容的整體概括，因此，信息資源內(nèi)容過(guò)濾推薦技術(shù)，只適用于文本資源的推薦，無(wú)法保證推薦內(nèi)容的精準(zhǔn)性。

1.2? 遵守關(guān)聯(lián)規(guī)則的過(guò)濾推薦。遵循關(guān)聯(lián)規(guī)則的信息過(guò)濾推薦技術(shù)，通過(guò)大數(shù)據(jù)處理，分析用戶(hù)的瀏覽歷史，了解用戶(hù)的查詢(xún)需求，過(guò)濾推薦的信息內(nèi)容能夠由用戶(hù)規(guī)定，關(guān)聯(lián)規(guī)則信息推薦方式主要用于，確定學(xué)習(xí)主題后的相關(guān)教學(xué)資源推薦，但該技術(shù)在使用過(guò)程中需要耗費(fèi)一定的時(shí)間，對(duì)用戶(hù)的瀏覽記錄進(jìn)行分析，在進(jìn)行重點(diǎn)學(xué)習(xí)內(nèi)容推薦時(shí)，難以實(shí)現(xiàn)同義性劃分。

1.3? 普遍應(yīng)用的協(xié)同過(guò)濾推薦。協(xié)同過(guò)濾技術(shù)能夠通過(guò)鄰居值的計(jì)算，判斷用戶(hù)之間所具有的相似性，是當(dāng)前教學(xué)發(fā)展過(guò)程中，使用最為普遍的推薦技術(shù)，得到的過(guò)濾信息具有較強(qiáng)的精確性，能夠結(jié)合用戶(hù)對(duì)信息資源的評(píng)價(jià)，制定出組合式協(xié)同過(guò)濾模型。通過(guò)智慧學(xué)習(xí)資源推薦，創(chuàng)建移動(dòng)情景教學(xué)模型，通過(guò)分值預(yù)測(cè)了解該資源獲取用戶(hù)的主要偏好，協(xié)同過(guò)濾不需要制定明確的推薦目標(biāo)，能夠直接向用戶(hù)推薦非結(jié)構(gòu)化的資源對(duì)象。

2? 基于協(xié)同過(guò)濾算法的智慧學(xué)習(xí)推薦

協(xié)同過(guò)濾算法能夠在信息資源過(guò)濾系統(tǒng)中，進(jìn)行龐大數(shù)據(jù)信息的過(guò)濾處理，針對(duì)用戶(hù)的實(shí)際需求，提供個(gè)性化的推薦服務(wù)，當(dāng)前網(wǎng)絡(luò)資源存在信息過(guò)載的問(wèn)題，需要以協(xié)同過(guò)濾設(shè)計(jì)為基礎(chǔ)，制定出相應(yīng)的信息推薦系統(tǒng)，根據(jù)用戶(hù)的興趣愛(ài)好選擇適合自己的郵件種類(lèi)。協(xié)同過(guò)濾推薦算法的應(yīng)用，需要用戶(hù)發(fā)出信息需求信號(hào)，系統(tǒng)根據(jù)信號(hào)內(nèi)容進(jìn)行對(duì)應(yīng)資源的整理與推薦，經(jīng)過(guò)過(guò)濾推薦出的相似文件，會(huì)直接發(fā)送到用戶(hù)信箱，當(dāng)前所采用的推薦系統(tǒng)，在信息資源篩選過(guò)程中，具有開(kāi)放性和隱秘性。

2.1? 用戶(hù)協(xié)同過(guò)濾推薦算法。以用戶(hù)為主要依據(jù)的協(xié)同過(guò)濾推薦算法，是當(dāng)前應(yīng)用最為廣泛的推薦技術(shù)，需要在龐大的數(shù)據(jù)中搜尋用戶(hù)鄰居集，通過(guò)云計(jì)算技術(shù)，根據(jù)目標(biāo)用戶(hù)的實(shí)際需求，查找相似度較高的用戶(hù)群體，對(duì)用戶(hù)的資源目標(biāo)進(jìn)行實(shí)時(shí)預(yù)測(cè)。對(duì)得到的資源內(nèi)容按照相似度進(jìn)行評(píng)分，將相似度最高的幾項(xiàng)資源內(nèi)容，作為最終的推薦結(jié)果，用戶(hù)協(xié)同過(guò)濾推薦算法的有效應(yīng)用，能夠根據(jù)用戶(hù)的瀏覽歷史，對(duì)用戶(hù)的興趣信息進(jìn)行收集，并以此為基礎(chǔ)制定鄰居集，為用戶(hù)推薦相似資源。

2.1.1? 用戶(hù)興趣信息的收集。用戶(hù)興趣信息的收集，需要建立在對(duì)某一項(xiàng)目數(shù)據(jù)的深入分析，通過(guò)網(wǎng)絡(luò)技術(shù)的應(yīng)用，判斷用戶(hù)的具體注冊(cè)時(shí)間，查詢(xún)用戶(hù)在注冊(cè)階段填寫(xiě)的個(gè)人基本信息，根據(jù)用戶(hù)的瀏覽記錄，判斷在智慧學(xué)習(xí)開(kāi)展過(guò)程中，用戶(hù)使用的數(shù)據(jù)內(nèi)容。了解用戶(hù)的學(xué)習(xí)時(shí)間段和學(xué)習(xí)時(shí)長(zhǎng)，將搜索記錄和網(wǎng)絡(luò)頁(yè)面的停留時(shí)間等信息整合到一起，建立用戶(hù)項(xiàng)目評(píng)分矩陣模型，運(yùn)用以上數(shù)據(jù)內(nèi)容進(jìn)行具體呈現(xiàn)。

2.1.2? 通過(guò)用戶(hù)群查找形成鄰居。形成鄰居需要以鄰居集為基礎(chǔ)，結(jié)合目標(biāo)用戶(hù)的根本需求，查找與之相似度較高的用戶(hù)群體，分析多個(gè)用戶(hù)之間所具有的相似性，通過(guò)信息篩選和信息整合，建立多個(gè)用戶(hù)共同評(píng)分的資源合集，通過(guò)相似度計(jì)算方式，判斷用戶(hù)的相似性，當(dāng)前計(jì)算機(jī)常用相似度計(jì)算方法有，相關(guān)計(jì)算法、余弦計(jì)算法、修正余弦計(jì)算法。

2.2? 項(xiàng)目協(xié)同過(guò)濾推薦算法。以項(xiàng)目?jī)?nèi)容為主要依據(jù)的協(xié)同過(guò)濾推薦算法，需要充分參考用戶(hù)的資源評(píng)分，根據(jù)用戶(hù)對(duì)不同項(xiàng)目集合的評(píng)分反饋，判斷項(xiàng)目之間的相似性，完成項(xiàng)目信息的過(guò)濾推薦。根據(jù)以往的用戶(hù)項(xiàng)目評(píng)分，進(jìn)行目標(biāo)項(xiàng)目集合的得分預(yù)測(cè)，類(lèi)似的項(xiàng)目會(huì)得到相似的用戶(hù)評(píng)分，在進(jìn)行項(xiàng)目協(xié)同過(guò)濾推薦算法開(kāi)展的過(guò)程中，對(duì)項(xiàng)目向量進(jìn)行標(biāo)記，分析項(xiàng)目之間的相似性，完成過(guò)濾推薦。

2.3? 智慧學(xué)習(xí)資源推薦模型的建立。

2.3.1? 用戶(hù)興趣模型。想要進(jìn)行智慧學(xué)習(xí)資源推薦模型的建立，首先需要對(duì)用戶(hù)的興趣信息進(jìn)行收集，創(chuàng)建用戶(hù)興趣模型，并以此為前提建立智慧學(xué)習(xí)平臺(tái)，通過(guò)收集用戶(hù)的興趣信息反饋，成立用戶(hù)評(píng)分矩陣，信息反饋主要分為顯性和隱性?xún)煞N形式。顯示信息指的是用戶(hù)在注冊(cè)和登錄過(guò)程中，填寫(xiě)的基本個(gè)人信息，這一信息內(nèi)容十分準(zhǔn)確，比如：職業(yè)、愛(ài)好、興趣、特長(zhǎng)等等，隱性信息則是指根據(jù)用戶(hù)在智慧學(xué)習(xí)平臺(tái)中，常用的學(xué)習(xí)資源以及查詢(xún)過(guò)的瀏覽信息，進(jìn)行隱性反饋信息收集。通過(guò)以上資源的合理運(yùn)用，建立用戶(hù)興趣模型，保證推薦系統(tǒng)得到的信息結(jié)果準(zhǔn)確性，顯性信息需要用戶(hù)的主動(dòng)參與，隱性信息則是由系統(tǒng)計(jì)算生成，服務(wù)型社會(huì)的建立，以上信息收集技術(shù)得到了廣泛應(yīng)用，能夠?qū)τ脩?hù)的興趣愛(ài)好有一個(gè)準(zhǔn)確的認(rèn)知。

2.3.2? 智慧學(xué)習(xí)平臺(tái)。智慧學(xué)習(xí)平臺(tái)的建立，能夠?yàn)殡[性用戶(hù)信息收集提供前提，但在隱性反饋信息獲取的過(guò)程中，需要用戶(hù)先完成注冊(cè)任務(wù)，根據(jù)用戶(hù)在智慧學(xué)習(xí)平臺(tái)注冊(cè)過(guò)程中輸入的基本信息，建立用戶(hù)興趣隱性反饋初始模型，資源內(nèi)容包含：姓名、職業(yè)、資源信息獲取需求等，合理運(yùn)用隱性反饋機(jī)制，進(jìn)行用戶(hù)瀏覽的資源類(lèi)別的劃分，根據(jù)用戶(hù)學(xué)習(xí)行為記錄，將兩種反饋信息收集形式結(jié)合在一起，進(jìn)行智慧學(xué)習(xí)資源推薦模型的建立。

3? 結(jié)語(yǔ)

綜上所述，常用的學(xué)習(xí)推薦技術(shù)有信息資源內(nèi)容過(guò)濾推薦、遵守關(guān)聯(lián)規(guī)則的過(guò)濾推薦、普遍應(yīng)用的協(xié)同過(guò)濾推薦，本文主要分析了用戶(hù)協(xié)同過(guò)濾推薦算法以及項(xiàng)目協(xié)同過(guò)濾推薦算法，并以此為依據(jù)創(chuàng)建用戶(hù)興趣動(dòng)態(tài)分析模型。

參考文獻(xiàn)

[1] 方平. 基于微信平臺(tái)孕育知識(shí)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 遼寧：大連理工大學(xué)，2019.

[2] 陳曦，梅廣，張金金. 融合知識(shí)圖譜和協(xié)同過(guò)濾的學(xué)生成績(jī)預(yù)測(cè)方法[J]. 計(jì)算機(jī)應(yīng)用，2020，40（2）：595-601.

[3] 張紫嫣，周馳. 結(jié)合類(lèi)別偏好的協(xié)同過(guò)濾推薦算法[J]. 計(jì)算機(jī)應(yīng)用與軟件，2021，38（1）：293-296.

作者簡(jiǎn)介：沈曉燕（1982-），女，吉林農(nóng)安人，講師，主要研究方向?yàn)闃蛄汗こ探虒W(xué)

安徽交通職業(yè)技術(shù)學(xué)院 安徽 合肥 230051