[发明专利]在线教育系统的个性化推荐方法、终端及存储介质

权利要求书

1.一种在线教育系统的个性化推荐方法，其特征在于，包括以下步骤：

接收用户端上传的用户行为日志文件；

将所述用户行为日志文件转存到Hadoop平台上，并根据所述Hadoop平台的HDFS特性对用户行为日志文件进行分布式存储备份；

根据所述Hadoop平台的分布式计算框架对所述用户行为日志文件进行离线预处理，得到过滤后的数据；

通过Mahout提取过滤后的数据，利用所述Mahout对所述过滤后的数据进行计算，得到计算结果，将所述计算结果存储至数据库中作为推荐结果；

若接收到用户端请求推荐的触发信号，则从数据库中调取推荐结果发送给用户端。

2.如权利要求1所述的在线教育系统的个性化推荐方法，其特征在于，所述通过Mahout提取过滤后的数据，利用所述Mahout对所述过滤后的数据进行计算，得到计算结果，包括：

利用融合了基于内容的推荐算法和基于混合协同过滤推荐算法的公式(1)，计算用户U对资源d_i的初始偏好程度P₁(U，d_i)：

其中：

α＝|P_Cb(U，d_i)-P_Hcf(U，d_i)|，α≥0，

β＝|P_Cb(U，d_i)+P_Hcf(U，d_i)|，β≥0，

P_Cb(U，d_i)表示基于内容的推荐算法中用户U对资源d_i的偏好程度；

P_Hcf(U，d_i)表示基于混合协同过滤推荐算法中的用户U对资源d_i的偏好程度；

max{P_Cb(U，d_i)，P_Hcf(U，d_i)}表示，取两种算法下最大的用户U对资源d_i的偏好程度的最大值；

min{P_Cb(U，d_i)，P_Hcf(U，d_i)}表示，取两种算法下最小的用户U对资源d_i的偏好程度的最小值；

α代表在基于内容和混合协同过滤算法下用户U对资源d_i的偏好程度的偏差值；

β代表基于内容和混合协同过滤算法下用户U对资源d_i的偏好程度的总偏好值；

P₁(U，d_i)表示在公式(1)的算法下用户U对资源d_i的初始偏好程度。

3.如权利要求2所述的在线教育系统的个性化推荐方法，其特征在于，还包括：

利用公式(2)计算用户U对资源d_i的最终偏好程度P(U，d_i)，将用户U对资源d_i的最终偏好程度最高的资源d_i作为计算结果：

P(U，d_i)＝e^-w×P_u(U，d_i)+(1-e^-w)*P₁(U，d_i)

公式(2)

其中：w∝t，t表示用户历史行为记录条数；

P_u(U，d_i)表示基于用户信息相似度的推荐算法中用户U对资源d_i的初始偏好程度；

P(U，d_i)表示在公式(2)的算法下用户U对资源d_i的最终偏好程度。

4.如权利要求3所述的在线教育系统的个性化推荐方法，其特征在于，所述方法还包括：

所述用户行为日志文件由用户端储存到基于分布式文件存储的数据库中。