學(xué)習(xí)行為的個(gè)性化推薦方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種數(shù)據(jù)挖掘協(xié)同領(lǐng)域，特別是涉及一種學(xué)習(xí)行為的個(gè)性化推薦方法 及系統(tǒng)。
【背景技術(shù)】
[0002] 為了使學(xué)習(xí)者在學(xué)習(xí)過(guò)程中感受到自己應(yīng)有的主體地位，在不受時(shí)間以及空間的 限制下，學(xué)習(xí)者不僅可以選擇和其他學(xué)習(xí)者進(jìn)行協(xié)作學(xué)習(xí)，也可以根據(jù)自身的慣有的學(xué)習(xí) 模式進(jìn)行獨(dú)立學(xué)習(xí)，有必要將學(xué)習(xí)者的學(xué)習(xí)行為記錄下來(lái)并進(jìn)行分析，從而為學(xué)習(xí)者快速、 準(zhǔn)確地推薦有效地資源和學(xué)習(xí)模式來(lái)提高學(xué)習(xí)者的學(xué)習(xí)效率。
[0003] 對(duì)于個(gè)性化推薦，在對(duì)學(xué)習(xí)者學(xué)習(xí)行為的跟蹤和記錄的基礎(chǔ)上對(duì)學(xué)習(xí)者進(jìn)行個(gè)性 化推薦是目前個(gè)性化推薦從電子商務(wù)向?qū)W習(xí)平臺(tái)轉(zhuǎn)移的一項(xiàng)重大挑戰(zhàn)?，F(xiàn)如今使用最廣泛 的個(gè)性化推薦技術(shù)可分為基于關(guān)聯(lián)規(guī)則的推薦、內(nèi)容過(guò)濾推薦、協(xié)同過(guò)濾推薦等三種。協(xié)同 過(guò)濾推薦技術(shù)則是應(yīng)用最為廣泛的推薦方法。但是其本身自帶的冷啟動(dòng)、稀疏性等問(wèn)題都 會(huì)對(duì)個(gè)性化推薦的精確率有很大的影響。因此針對(duì)上述存在的種種問(wèn)題和挑戰(zhàn)，學(xué)習(xí)者迫 切需要更加成熟穩(wěn)定的個(gè)性化推薦平臺(tái)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題，特別創(chuàng)新地提出了一種學(xué)習(xí)行 為的個(gè)性化推薦方法及系統(tǒng)。
[0005] 為了實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種學(xué)習(xí)行為的個(gè)性化推薦方法，包 括以下步驟：
[0006]S1，獲取學(xué)習(xí)者-學(xué)習(xí)資源矩陣信息：獲取Μ個(gè)學(xué)習(xí)者對(duì)N個(gè)學(xué)習(xí)資源的主動(dòng)評(píng) 分，未主動(dòng)評(píng)分的學(xué)習(xí)資源評(píng)分為空值，形成一個(gè)ΜΧΝ矩陣Ε;其中元素Eu代表了第i個(gè) 學(xué)習(xí)者對(duì)第j個(gè)學(xué)習(xí)資源的評(píng)分；所述M、N均為正整數(shù)，i、j依次為不大于M、N的正整數(shù)；
[0007]S2,計(jì)算學(xué)習(xí)者-學(xué)習(xí)資源矩陣稀疏性，若稀疏性Sparsity<α，對(duì)學(xué)習(xí)者學(xué)習(xí)行 為進(jìn)行挖掘，其中，α為設(shè)定稀疏性閾值，否則執(zhí)行步驟S4;
[0008]S3,根據(jù)挖掘的學(xué)習(xí)者學(xué)習(xí)行為，對(duì)未進(jìn)行主動(dòng)評(píng)分的學(xué)習(xí)資源的學(xué)習(xí)行為分別 賦予相應(yīng)的權(quán)值，并根據(jù)學(xué)習(xí)者的學(xué)習(xí)行為計(jì)算出學(xué)習(xí)者學(xué)習(xí)行為的最終權(quán)值，所述最終 權(quán)值為學(xué)習(xí)者對(duì)該項(xiàng)學(xué)習(xí)資源的學(xué)習(xí)行為權(quán)值相加之和；將該最終權(quán)值替換到學(xué)習(xí)者-學(xué) 習(xí)資源矩陣中的相應(yīng)位置上；
[0009]S4,通過(guò)相似性計(jì)算得出學(xué)習(xí)者學(xué)習(xí)需求最相似的學(xué)習(xí)者集合；
[0010] S5,將最相似的學(xué)習(xí)資源推送給學(xué)習(xí)者。
[0011] 利用本發(fā)明，對(duì)學(xué)習(xí)者的學(xué)習(xí)需求給予正確的推薦；并且隨著時(shí)間的變化推移，學(xué) 習(xí)者學(xué)習(xí)興趣和學(xué)習(xí)需求變化的，從而大大提高了推薦的準(zhǔn)確率。
[0012] 在本發(fā)明的一種優(yōu)選實(shí)施方式中，步驟S2中稀疏性的計(jì)算方法為：
[0014] 其中，EvalTotal表示學(xué)習(xí)者對(duì)學(xué)習(xí)資源的評(píng)價(jià)數(shù)量，LearnerTotal表示學(xué)習(xí)者 數(shù)量，ResTotal表示學(xué)習(xí)資源數(shù)量。
[0015] 通過(guò)計(jì)算Sparsity值，防止學(xué)習(xí)者-學(xué)習(xí)資源矩陣過(guò)于稀疏，提高了推薦的準(zhǔn)確 性。
[0016] 在本發(fā)明的一種優(yōu)選實(shí)施方式中，步驟S3中，學(xué)習(xí)行為包括資源訪問(wèn)狀態(tài)行為、 學(xué)習(xí)狀態(tài)行為和測(cè)試狀態(tài)行為；
[0017] 資源訪問(wèn)狀態(tài)行為包括收藏權(quán)值、分享權(quán)值和下載權(quán)值，它們的權(quán)值分配為：收藏 權(quán)值為3、分享權(quán)值為3、下載權(quán)值為3、收藏+分享權(quán)值為4. 5、分享+下載權(quán)值為4. 5、收藏 +分享+下載權(quán)值為5 ;
[0018] 學(xué)習(xí)狀態(tài)行為包括學(xué)習(xí)中權(quán)值和已學(xué)習(xí)權(quán)值，它們的權(quán)值分配為：學(xué)習(xí)中權(quán)值為 4. 5和已學(xué)習(xí)權(quán)值為5 ;
[0019] 測(cè)試狀態(tài)行為包括合格權(quán)值、良好權(quán)值和優(yōu)秀權(quán)值，它們的權(quán)值分配為：合格權(quán)值 為3. 5、良好權(quán)值為4和優(yōu)秀權(quán)值為5。
[0020] 通過(guò)對(duì)學(xué)習(xí)者行為進(jìn)行權(quán)重賦值，保證在學(xué)習(xí)者主動(dòng)評(píng)分矩陣過(guò)于稀疏的情況 下，也能夠進(jìn)行準(zhǔn)確推薦。
[0021 ] 本發(fā)明為學(xué)習(xí)行為建立了學(xué)習(xí)行為對(duì)應(yīng)權(quán)值比重表，其中最高權(quán)值為5，權(quán)值越 高，表明學(xué)習(xí)者學(xué)習(xí)興趣越濃。
[0022] 在本發(fā)明的一種優(yōu)選實(shí)施方式中，步驟S4中相似性的計(jì)算方法為：
[0024] 其中，sim(u，v)是學(xué)習(xí)者u和學(xué)習(xí)者v之間的相似性；
[0025] WUii是學(xué)習(xí)者u對(duì)學(xué)習(xí)資源i，在稀疏性Sparsity<α?xí)r的最終權(quán)值或主動(dòng)評(píng)分； 或者稀疏性Sparsity多α?xí)rWUii為主動(dòng)評(píng)分或非主動(dòng)評(píng)分；
[0026] WVii是學(xué)習(xí)者v對(duì)學(xué)習(xí)資源i，在稀疏性Sparsity<α?xí)r的最終權(quán)值或主動(dòng)評(píng)分； 稀疏性Sparsity多α?xí)rWVii為主動(dòng)評(píng)分或非主動(dòng)評(píng)分；
[0027] /^_是學(xué)習(xí)者u對(duì)所有學(xué)習(xí)資源的平均評(píng)分；
[0028] 是學(xué)習(xí)者v對(duì)所有學(xué)習(xí)資源的平均評(píng)分；
[0029] Itemu，v是學(xué)習(xí)者u和學(xué)習(xí)者v共同評(píng)分的學(xué)習(xí)資源集合。
[0030] 計(jì)算查找出與學(xué)習(xí)者最相似的學(xué)習(xí)者資源集合，便于推薦給學(xué)習(xí)者學(xué)習(xí)。
[0031] 在本發(fā)明的一種優(yōu)選實(shí)施方式中，步驟S5的推送方法為：
[0033] 其中，PUilS學(xué)習(xí)者u對(duì)學(xué)習(xí)資源i的評(píng)分；
[0034] I是學(xué)習(xí)者u所有已經(jīng)評(píng)分分值的平均值； U
[0035] sim(u，X)是表示學(xué)習(xí)者u與學(xué)習(xí)者鄰居集中某位學(xué)習(xí)者的相似度；
[0036] RXil是學(xué)習(xí)者鄰居集中某位學(xué)習(xí)者對(duì)學(xué)習(xí)資源i的評(píng)分；
[0037] 是學(xué)習(xí)者鄰居集中某位學(xué)習(xí)者對(duì)學(xué)習(xí)資源的平均評(píng)分；
[0038] X是最相似的學(xué)習(xí)者鄰居集N中的學(xué)習(xí)者之一；
[0039] 時(shí)間函數(shù)/(7；..〇 =卜0.5x/"'取值范圍是（0, 1) ;1^是學(xué)習(xí)者u對(duì)學(xué)習(xí)資源i產(chǎn) 生學(xué)習(xí)興趣和需求的時(shí)間；
[0040] N是得出最相似的學(xué)習(xí)者鄰居集中取出相似度最高的學(xué)習(xí)資源的個(gè)數(shù)。
[0041] 本發(fā)明的推薦學(xué)習(xí)資源隨著時(shí)間的變化而變化，學(xué)習(xí)者的學(xué)習(xí)需求也會(huì)不斷變 化，這樣學(xué)習(xí)者不會(huì)只學(xué)習(xí)一種學(xué)習(xí)資源，從而大大提高了推薦的準(zhǔn)確率。
[0042] 在本發(fā)明的一種優(yōu)選實(shí)施方式中，對(duì)學(xué)習(xí)行為進(jìn)行挖掘的方法為：
[0043] 獲得服務(wù)器日志文件中對(duì)學(xué)習(xí)者的行為記錄，包括學(xué)習(xí)者的id，和學(xué)習(xí)者的學(xué)習(xí) 行為，包括分享、下載、已學(xué)習(xí)；
[0044] 建立二維矩陣，存放學(xué)習(xí)者id以及該學(xué)習(xí)者對(duì)某資源的學(xué)習(xí)行為；
[0045] 按照事先設(shè)定的行為權(quán)值表對(duì)學(xué)習(xí)資源進(jìn)行賦值；
[0046] 把相應(yīng)的值添加到對(duì)應(yīng)的學(xué)習(xí)者-學(xué)習(xí)資源評(píng)分矩陣中，提高推薦準(zhǔn)確性。
[0047] 本發(fā)明還公開(kāi)了一種學(xué)習(xí)行為的個(gè)性化推薦系統(tǒng)，包括：學(xué)習(xí)者模塊，用于保存用 戶(hù)信息，包括個(gè)人信息和學(xué)習(xí)興趣；學(xué)習(xí)行為日志模塊，將學(xué)習(xí)者學(xué)習(xí)行為分為顯式行為和 隱式行為；學(xué)習(xí)資源模塊，用于保存學(xué)習(xí)資源，包括文本、音頻和視頻；數(shù)據(jù)采集模塊，用于 將學(xué)習(xí)者在登錄學(xué)習(xí)平臺(tái)后，對(duì)學(xué)習(xí)資源進(jìn)行的行為操作進(jìn)行記錄和跟蹤；推薦模塊，用于 對(duì)學(xué)習(xí)者進(jìn)行個(gè)性化的學(xué)習(xí)資源的推薦；數(shù)據(jù)采集模塊采集學(xué)習(xí)者模塊內(nèi)每一個(gè)學(xué)習(xí)者在 學(xué)習(xí)行為日志模塊中記錄的信息，將該信息在推薦模塊內(nèi)根據(jù)本發(fā)明所述的學(xué)習(xí)行為的個(gè) 性化推薦方法得到推薦學(xué)習(xí)資源保存在學(xué)習(xí)資源模塊上，最后將學(xué)習(xí)資源模塊中最相似的 學(xué)習(xí)資源推薦給學(xué)習(xí)者。
[0048] 在本發(fā)明的一種優(yōu)選實(shí)施方式中，當(dāng)用戶(hù)進(jìn)入學(xué)習(xí)系統(tǒng)后，若是新用戶(hù)，則需要對(duì) 學(xué)習(xí)者進(jìn)行個(gè)人信息、學(xué)習(xí)興趣的獲取并保存至學(xué)習(xí)者模塊；非新用戶(hù)補(bǔ)充最新學(xué)習(xí)需求 和學(xué)習(xí)興趣并保存至學(xué)習(xí)者模塊。
[0049] 在本發(fā)明的一種優(yōu)選實(shí)