[发明专利]一种基于神经网络的教学资源个性化推荐方法

说明书

技术领域

本发明涉及一种资源的个性化推荐方法，尤其涉及在教学资源系统中进行个性化推荐方法。 

背景技术

近年来，随着WEB2.0的发展，互联网已经变成数据分享的平台，然而伴随而来的就是数据爆炸的问题，搜索引擎虽然能帮助用户迅速的找到目标信息，但是在很多情况下，用户不明确自己的需求，或者很难表达自己的需求，因此一个根据用户的个人口味和喜好推荐系统是非常有必要的。这帮助用户从简单的目标明确的数据搜索转换成更符合用户习惯的信息发现。如今，伴随着推荐技术的发展，推荐系统已经成功的应用到很多WEB应用中，并且取得了很大的成功。推荐模型应用到越来越多的领域，这对提高WEB应用的用户体验和智能性，有很大的帮助。在教学辅助系统领域，老师和学生会通过教学辅助系统上传和共享资源，却没有一种智能的针对教学资源的个性化推荐方法。为了提高资源共享系统的智能性，从而提高学生的学习兴趣和学习质量，本发明提出一种针对教学资源的个性化推荐方法，给学生推荐可能感兴趣的教学资源。 

发明内容

本发明的目的是充分发挥基于内容推荐，协同过滤和神经网络的优点，从而提高推荐精度，提供一种针对教学资源的个性化推荐方法。 

针对教学资源的个性化推荐方法至少包括下列模块： 

1)基于内容推荐模块以教学资源的内容和属性为基础来进行推荐，可以解决新项目冷启动问题； 

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：采用常见的由S函数神经元组成的1.5层前馈神经网络，由于人工神经网络具有强大的动态非线性映射能力，因此该模块对用户对教学资源的偏好预测具有较高的精度和满意度。 

根据上述的模块特点，本发明把基于内容推荐模块，基于用户协同过滤模块和基于项目协同过滤模块的输出作为神经网络模块的输入，来得到最终的推荐结果，如图1所示。其推荐流程为：当用户访问资源共享的首页时，神经网络模块根据基于内容推荐模块，基于用户协同过滤模块，基于项目协同过滤模块的推荐结果作为输入，计算教学资源对用户的推荐度，然后把推荐度最高的前k个资源推荐给用户。 

所述的基于内容推荐模块： 

核心思想是根据推荐资源或资源的元数据，发现资源的相关性，推荐给用户相似的资源，输入是教学资源的属性，输出是教学资源的推荐度。本模块根据教学资源的上传时间，下载，打分3个属性分别计算推荐度，计算方法如下： 

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。 

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

所述的基于用户协同过滤模块： 

基本原理是，根据所有用户对资源的偏好矩阵，发现与当前用户口味和偏 好相似的“邻居”用户群，得到其“K-邻居”。然后，基于这K个邻居的历史偏好信息，为当前用户进行推荐。本推荐模型输入是用户的偏好矩阵，输出是教学资源对用户的推荐程度。其输出作为神经网络的输入。 

其计算方法是，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：