[发明专利]一种基于神经网络的教学资源个性化推荐方法

权利要求书

1.一种针对教学资源的个性化推荐方法，其特征在于至少包括下列模块：

1)基于内容推荐模块：根据教学资源的上传时间，下载次数，平均分这三个属性来分别计算不同的推荐度来对用户推荐；

2)基于用户协同过滤模块：根据用户的打分，下载，浏览矩阵计用户之间相似度，然后对用户进行推荐；

3)基于项目协同过滤模块：根据用户的打分，下载，浏览矩阵计算教学资源之间相似度，然后对用户进行推荐；

4)神经网络模块：是一个并行的分布式的信息处理网络，具有非线性映射和联想记忆的功能，通过数据本身的内在联系建模，对交通流进行预测。

2.如权利要求1所述的个性化推荐方法，其特征在于所述的基于内容推荐模块计算推荐度的方法如下：

教学资源上传时间推荐度的计算公式是e^-n，其中e是自然底数，n是上传距今的天数。教学资源下载推荐度公式是1-e^-n，其中n是下载次数；

教学资源打分推荐度公式是average/5，其中average是资源的平均分。

3.如权利要求1或2所述的个性化推荐方法，其特征在于所述的基于用户协同过滤模块根据用户偏好矩阵来进行推荐，假设有用户偏好矩阵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表示用户i的偏好向量，p_i，j表示用户i对资源j的偏好程度。采用相似度计算函数PS得到任意两个用户之间的偏好相似度PS(i，j)。对于用户i，可以得与其他用户偏好的相似度，取相似度最高的前k用户，作为其邻居用户，就得到了用户i同邻居用户相似度向量S_i：

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

根据S_i和P，预估资源j对用户i的推荐度：

ri,j=Σt=1ksi,nt*pnt,jΣt=1ksi,nt]]>