论文部分内容阅读
随着教育信息化迅速的发展,教育资源的数量出现了爆炸式的增长,在备课系统中也出现此现象,备课系统不再像以前学习资源数量少,用户无法得到充足的资源。而是随着备课资源爆炸式的增长,推荐技术随之应用到备课系统中,为用户提供资源,减少用户的查找时间。但是,现有的备课资源推荐技术存在两方面问题：第一,在划分资源和提取用户兴趣点时不够细致。导致推荐资源个性化特点不足。第二,推荐资源质量低,在资源质量方面没进行筛选。协同过滤推荐算法使用群体智能发掘用户潜在兴趣,不需要考虑资源项目的类型,具有良好的领域适用性和推荐新颖性。在国内外,协同过滤推荐算法被广泛的应用到多个领域,并且取得了显著的成果。所以,本文选用协同过滤推荐技术来解决上述问题,为用户提供高质量的细致到具体知识点的备课资源。本文的主要工作有：1)对备课资源建模,按照备课资源的知识点进行资源的分类,把推送的资源定位到具体知识点,这样,在资源方面,保证推荐的资源是细致到知识点的。2)根据新用户填写的显性信息进行建模,使用内容过滤算法进行新用户推荐,从而解决协同过滤算法的冷启动问题。3)获取用户填写的显式信息和用户隐式行为信息,创建用户模型,从而反映用户现阶段教师感兴趣的知识点。4)对于系统中的资源,建立资源评价体系,保证推荐资源的质量。5)备课资源推荐系统的设计与实现,通过测试,考虑推荐资源是否是用户想要的具体知识点资源和推荐资源质量优劣性,得出结论,90%左右用户对推荐的前三个备课资源比较满意,当推荐结果不断增加,在前十个推荐结果中,由于不予评论的人数增多,用户满意程度稍有下降。