[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的教學(xué)資源個性化推薦方法

有效

• 申請?zhí)枺?/td>: 201310217037.5
• 申請日: 2013-06-03
• 公開（公告）號: CN103353872B
• 公開（公告）日: 2017-03-01
• 發(fā)明（設(shè)計）人: 夏鋒;牛亞男;孔祥杰
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 大連理工大學(xué)專利中心21200
• 代理人: 梅洪玉

1.一種針對教學(xué)資源的個性化推薦方法，其特征在于至少包括下列模塊：

1)基于內(nèi)容推薦模塊：根據(jù)教學(xué)資源的上傳時間，下載次數(shù)，平均分這三個屬性來分別計算不同的推薦度來對用戶推薦；

2)基于用戶協(xié)同過濾模塊：根據(jù)用戶的打分，下載，瀏覽矩陣計用戶之間相似度，然后對用戶進(jìn)行推薦；

3)基于項目協(xié)同過濾模塊：根據(jù)用戶的打分，下載，瀏覽矩陣計算教學(xué)資源之間相似度，然后對用戶進(jìn)行推薦；

4)神經(jīng)網(wǎng)絡(luò)模塊：是一個并行的分布式的信息處理網(wǎng)絡(luò)，具有非線性映射和聯(lián)想記憶的功能，通過數(shù)據(jù)本身的內(nèi)在聯(lián)系建模，對交通流進(jìn)行預(yù)測。

2.如權(quán)利要求1所述的個性化推薦方法，其特征在于所述的基于內(nèi)容推薦模塊計算推薦度的方法如下：

教學(xué)資源上傳時間推薦度的計算公式是e^-n，其中e是自然底數(shù)，n是上傳距今的天數(shù)。教學(xué)資源下載推薦度公式是1-e^-n，其中n是下載次數(shù)；

教學(xué)資源打分推薦度公式是average/5，其中average是資源的平均分。

3.如權(quán)利要求1或2所述的個性化推薦方法，其特征在于所述的基于用戶協(xié)同過濾模塊根據(jù)用戶偏好矩陣來進(jìn)行推薦，假設(shè)有用戶偏好矩陣P：

P＝[p₁，p₂，p₃，...p_n]^T

p_i＝[p_i，1，p_i，2，p_i，3，...p_i，m]

其中p_i表示用戶i的偏好向量，p_i，j表示用戶i對資源j的偏好程度。采用相似度計算函數(shù)PS得到任意兩個用戶之間的偏好相似度PS(i，j)。對于用戶i，可以得與其他用戶偏好的相似度，取相似度最高的前k用戶，作為其鄰居用戶，就得到了用戶i同鄰居用戶相似度向量S_i：

Si=[si,n1,si,n2,si,n3,...si,nK]]]>

根據(jù)S_i和P，預(yù)估資源j對用戶i的推薦度：

ri,j=Σt=1ksi,nt*pnt,jΣt=1ksi,nt]]>