基于協(xié)同過濾算法的智慧學(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)，能夠滿足移動化的教學(xué)需求，教師在教學(xué)設(shè)計的過程中，也能夠通過網(wǎng)絡(luò)技術(shù)進(jìn)行教育資源的獲取，本文主要以協(xié)同過濾算法為基礎(chǔ)，探討了智慧學(xué)習(xí)推薦形式，通過智慧學(xué)習(xí)平臺的建立，提高現(xiàn)代化教學(xué)質(zhì)量。

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

中圖分類號：文獻(xiàn)標(biāo)識碼：B

計算機(jī)網(wǎng)絡(luò)時代的來臨，高校教學(xué)模式迎來了新的發(fā)展機(jī)遇，突破傳統(tǒng)教學(xué)課堂的限制，通過計算機(jī)技術(shù)實(shí)現(xiàn)面對面教學(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)資源的過程中，學(xué)生很容易受到信息量過大的困擾。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)同過濾算法構(gòu)建移動教學(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，對學(xué)習(xí)資源的獲取與推薦過程進(jìn)行分析，通過智慧學(xué)習(xí)平臺的建立開展推薦實(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)容的過濾推薦。想要通過網(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)合用戶的搜索需求，推薦相應(yīng)的資源信息。但整個信息過濾的過程沒有參考用戶的具體意見，主要是運(yùn)用概率統(tǒng)計的方式，對龐大的數(shù)據(jù)內(nèi)容進(jìn)行過濾，經(jīng)過分詞、分類信息處理技術(shù)，生成相應(yīng)的數(shù)據(jù)文本，與用戶搜索內(nèi)容進(jìn)行對比，將具有最高相似度的信息資源推送給用戶。但由于網(wǎng)絡(luò)資源存放方式十分復(fù)雜，在進(jìn)行信息讀取時需要繁瑣的解碼步驟，無法實(shí)現(xiàn)對非結(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，只通過簡單的文字描述和關(guān)鍵詞，無法實(shí)現(xiàn)對學(xué)習(xí)內(nèi)容的整體概括，因此，信息資源內(nèi)容過濾推薦技術(shù)，只適用于文本資源的推薦，無法保證推薦內(nèi)容的精準(zhǔn)性。

1.2? 遵守關(guān)聯(lián)規(guī)則的過濾推薦。遵循關(guān)聯(lián)規(guī)則的信息過濾推薦技術(shù)，通過大數(shù)據(jù)處理，分析用戶的瀏覽歷史，了解用戶的查詢需求，過濾推薦的信息內(nèi)容能夠由用戶規(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)在使用過程中需要耗費(fèi)一定的時間，對用戶的瀏覽記錄進(jìn)行分析，在進(jìn)行重點(diǎn)學(xué)習(xí)內(nèi)容推薦時，難以實(shí)現(xiàn)同義性劃分。

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

2? 基于協(xié)同過濾算法的智慧學(xué)習(xí)推薦

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

2.1? 用戶協(xié)同過濾推薦算法。以用戶為主要依據(jù)的協(xié)同過濾推薦算法，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)中搜尋用戶鄰居集，通過云計算技術(shù)，根據(jù)目標(biāo)用戶的實(shí)際需求，查找相似度較高的用戶群體，對用戶的資源目標(biāo)進(jìn)行實(shí)時預(yù)測。對得到的資源內(nèi)容按照相似度進(jìn)行評分，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，用戶協(xié)同過濾推薦算法的有效應(yīng)用，能夠根據(jù)用戶的瀏覽歷史，對用戶的興趣信息進(jìn)行收集，并以此為基礎(chǔ)制定鄰居集，為用戶推薦相似資源。

2.1.1? 用戶興趣信息的收集。用戶興趣信息的收集，需要建立在對某一項(xiàng)目數(shù)據(jù)的深入分析，通過網(wǎng)絡(luò)技術(shù)的應(yīng)用，判斷用戶的具體注冊時間，查詢用戶在注冊階段填寫的個人基本信息，根據(jù)用戶的瀏覽記錄，判斷在智慧學(xué)習(xí)開展過程中，用戶使用的數(shù)據(jù)內(nèi)容。了解用戶的學(xué)習(xí)時間段和學(xué)習(xí)時長，將搜索記錄和網(wǎng)絡(luò)頁面的停留時間等信息整合到一起，建立用戶項(xiàng)目評分矩陣模型，運(yùn)用以上數(shù)據(jù)內(nèi)容進(jìn)行具體呈現(xiàn)。

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

2.2? 項(xiàng)目協(xié)同過濾推薦算法。以項(xiàng)目內(nèi)容為主要依據(jù)的協(xié)同過濾推薦算法，需要充分參考用戶的資源評分，根據(jù)用戶對不同項(xiàng)目集合的評分反饋，判斷項(xiàng)目之間的相似性，完成項(xiàng)目信息的過濾推薦。根據(jù)以往的用戶項(xiàng)目評分，進(jìn)行目標(biāo)項(xiàng)目集合的得分預(yù)測，類似的項(xiàng)目會得到相似的用戶評分，在進(jìn)行項(xiàng)目協(xié)同過濾推薦算法開展的過程中，對項(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，首先需要對用戶的興趣信息進(jìn)行收集，創(chuàng)建用戶興趣模型，并以此為前提建立智慧學(xué)習(xí)平臺，通過收集用戶的興趣信息反饋，成立用戶評分矩陣，信息反饋主要分為顯性和隱性兩種形式。顯示信息指的是用戶在注冊和登錄過程中，填寫的基本個人信息，這一信息內(nèi)容十分準(zhǔn)確，比如：職業(yè)、愛好、興趣、特長等等，隱性信息則是指根據(jù)用戶在智慧學(xué)習(xí)平臺中，常用的學(xué)習(xí)資源以及查詢過的瀏覽信息，進(jìn)行隱性反饋信息收集。通過以上資源的合理運(yùn)用，建立用戶興趣模型，保證推薦系統(tǒng)得到的信息結(jié)果準(zhǔn)確性，顯性信息需要用戶的主動參與，隱性信息則是由系統(tǒng)計算生成，服務(wù)型社會的建立，以上信息收集技術(shù)得到了廣泛應(yīng)用，能夠?qū)τ脩舻呐d趣愛好有一個準(zhǔn)確的認(rèn)知。

2.3.2? 智慧學(xué)習(xí)平臺。智慧學(xué)習(xí)平臺的建立，能夠?yàn)殡[性用戶信息收集提供前提，但在隱性反饋信息獲取的過程中，需要用戶先完成注冊任務(wù)，根據(jù)用戶在智慧學(xué)習(xí)平臺注冊過程中輸入的基本信息，建立用戶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)行用戶瀏覽的資源類別的劃分，根據(jù)用戶學(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

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

參考文獻(xiàn)

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

[2] 陳曦，梅廣，張金金. 融合知識圖譜和協(xié)同過濾的學(xué)生成績預(yù)測方法[J]. 計算機(jī)應(yīng)用，2020，40（2）：595-601.

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

作者簡介：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