学位论文 > 优秀研究生学位论文题录展示

推荐系统算法在学生个性化选课中的应用研究

作　者: 郭清菊
导　师: 温武少; 林倞
学　校: 中山大学
专　业: 软件工程
关键词: 推荐系统个性化推荐 UCF AprioriAll
分类号: TP391.3
类　型: 硕士论文
年　份: 2013年
下　载: 5次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，面对Internet的飞速发展、Web上庞大的信息资源，用户如何能快速定位到自己感兴趣的信息成为一个非常迫切解决的问题，个性化推荐由此产生。与传统的服务相比，个性化的推荐服务能更好的满足客户的需求，易被用户所接受。目前，个性化推荐的相关技术已成为比较热门和核心的研究之一。本文在近年来国、内外对个性化推荐研究的成果基础上，基于个性化推荐研究的核心问题，在传统的协同过滤推荐算法和基于关联规则的AprioriAll算法的理论基础上，提出学生显式兴趣和隐式兴趣相结合学生兴趣模型构建和基于该模型的个性化推荐算法分析，并进行了实验评价。论文主要从以下几个方面进行研究：（1）提出学生显式兴趣和隐式兴趣定义，计算显式兴趣与隐式兴趣的权重，并分别进行了模型构建。利用加权平均法，算出学生的兴趣度值，构建学生兴趣模型。（2）提出符合自然遗忘规律的学生兴趣的更新模型。（3）基于学生兴趣模型的协同过滤推荐算法分析。（4）通过实验，对提出的模型以及算法进行了评价分析，表明本文提出的基于学生兴趣模型以及推荐算法在一定的数据范围内，推荐的准确性有所提高。

全文目录

摘要  3-4
Abstract  4-6
目录  6-8
第一章绪论  8-13
  1.1 课题研究的背景和意义  8-9
  1.2 研究的现状以及发展趋势  9-10
  1.3 论文的研究内容  10-11
  1.4 论文的组织结构  11-12
  1.5 本章小结  12-13
第二章推荐算法的应用与分析  13-23
  2.1 数据挖掘理论及相关技术  13-14
  2.2 个性化推荐理论及相关技术  14-21
  2.3 推荐系统的评价方法  21-22
  2.4 本章小结  22-23
第三章基于学生兴趣的个性化选课推荐算法研究  23-35
  3.1 引言  23-24
  3.2 基本环境  24
  3.3 基于学生兴趣的个性化选课推荐  24-34
  3.4 本章小结  34-35
第四章推荐算法实验结果与分析  35-45
  4.1 实验数据集  35-39
  4.2 实验评价标准  39-40
  4.3 实验结果与对比分析  40-44
  4.4 本章小结  44-45
第五章结论与展望  45-47
  5.1 结论  45-46
  5.2 展望  46-47
致谢  47-50
  附件  48
  攻读学位期间取得的研究成果  48-50
主要参考文献  50-52

推荐系统算法在学生个性化选课中的应用研究

内容摘要

全文目录

相似论文