[發明專利]一種基于神經網絡的教學資源個性化推薦方法

有效

• 申請號: 201310217037.5
• 申請日: 2013-06-03
• 公開（公告）號: CN103353872B
• 公開（公告）日: 2017-03-01
• 發明（設計）人: 夏鋒;牛亞男;孔祥杰
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 大連理工大學專利中心21200
• 代理人: 梅洪玉

技術領域

本發明涉及一種資源的個性化推薦方法，尤其涉及在教學資源系統中進行個性化推薦方法。?

背景技術

近年來，隨著WEB2.0的發展，互聯網已經變成數據分享的平臺，然而伴隨而來的就是數據爆炸的問題，搜索引擎雖然能幫助用戶迅速的找到目標信息，但是在很多情況下，用戶不明確自己的需求，或者很難表達自己的需求，因此一個根據用戶的個人口味和喜好推薦系統是非常有必要的。這幫助用戶從簡單的目標明確的數據搜索轉換成更符合用戶習慣的信息發現。如今，伴隨著推薦技術的發展，推薦系統已經成功的應用到很多WEB應用中，并且取得了很大的成功。推薦模型應用到越來越多的領域，這對提高WEB應用的用戶體驗和智能性，有很大的幫助。在教學輔助系統領域，老師和學生會通過教學輔助系統上傳和共享資源，卻沒有一種智能的針對教學資源的個性化推薦方法。為了提高資源共享系統的智能性，從而提高學生的學習興趣和學習質量，本發明提出一種針對教學資源的個性化推薦方法，給學生推薦可能感興趣的教學資源。?

發明內容

本發明的目的是充分發揮基于內容推薦，協同過濾和神經網絡的優點，從而提高推薦精度，提供一種針對教學資源的個性化推薦方法。?

針對教學資源的個性化推薦方法至少包括下列模塊：?

1)基于內容推薦模塊以教學資源的內容和屬性為基礎來進行推薦，可以解決新項目冷啟動問題；?

2)基于用戶協同過濾模塊：根據用戶的打分，下載，瀏覽矩陣計用戶之間?相似度，然后對用戶進行推薦；?

3)基于項目協同過濾模塊：根據用戶的打分，下載，瀏覽矩陣計算教學資源之間相似度，然后對用戶進行推薦；?

4)神經網絡模塊：采用常見的由S函數神經元組成的1.5層前饋神經網絡，由于人工神經網絡具有強大的動態非線性映射能力，因此該模塊對用戶對教學資源的偏好預測具有較高的精度和滿意度。?

根據上述的模塊特點，本發明把基于內容推薦模塊，基于用戶協同過濾模塊和基于項目協同過濾模塊的輸出作為神經網絡模塊的輸入，來得到最終的推薦結果，如圖1所示。其推薦流程為：當用戶訪問資源共享的首頁時，神經網絡模塊根據基于內容推薦模塊，基于用戶協同過濾模塊，基于項目協同過濾模塊的推薦結果作為輸入，計算教學資源對用戶的推薦度，然后把推薦度最高的前k個資源推薦給用戶。?

所述的基于內容推薦模塊：?

核心思想是根據推薦資源或資源的元數據，發現資源的相關性，推薦給用戶相似的資源，輸入是教學資源的屬性，輸出是教學資源的推薦度。本模塊根據教學資源的上傳時間，下載，打分3個屬性分別計算推薦度，計算方法如下：?

教學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，n是上傳距今的天數。?

教學資源下載推薦度公式是1-e^-n，其中n是下載次數。?

教學資源打分推薦安度公式是average/5，其中average是資源的平均分。?

所述的基于用戶協同過濾模塊：?

基本原理是，根據所有用戶對資源的偏好矩陣，發現與當前用戶口味和偏?好相似的“鄰居”用戶群，得到其“K-鄰居”。然后，基于這K個鄰居的歷史偏好信息，為當前用戶進行推薦。本推薦模型輸入是用戶的偏好矩陣，輸出是教學資源對用戶的推薦程度。其輸出作為神經網絡的輸入。?

其計算方法是，假設有用戶偏好矩陣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：?