張宏亮（溫州廣播電視大學教育技術與資源建設中心，浙江 溫州 325000）

基于協(xié)同過濾技術的學習資源個性化推薦研究

張宏亮
（溫州廣播電視大學教育技術與資源建設中心，浙江 溫州 325000）

當前通過調研e-learning發(fā)現(xiàn)，e-learning當前的系統(tǒng)應用到學習資源的推薦的活動中只是有Top-N和

兩種搜索方法，不能向學習者個性的推薦學習資源。借鑒當前電子商務研究領域的許多的研究的結果，我們可以把協(xié)同過濾推薦技術應用到學習資源的個性化推薦過程中。我們分析學習資源個性化推薦的經(jīng)常用的三種推薦的技術，分析出協(xié)同過濾推薦技術的工作原理、方法和出現(xiàn)的問題。本文，通過介紹一個優(yōu)化理論模型，更好的協(xié)同過濾技術的學習資源的個性化推薦，注重探討模型的構成，相應的評分機制與算法的實現(xiàn)，而且分析個性化學習資源推薦模型里面的三種重要的技術。希望可以使e-learning相關的人員在搜索過程中對協(xié)同過濾技術進行有效利用，從而使學習資源個性化推薦的效率得到提升。

e-learning；協(xié)同過濾技術；個性化推薦；學習資源

DOI：10.16640/j.cnki.37-1222/t.2016.16.201

1　引言

經(jīng)過對許多的企業(yè)的e-learning門戶系統(tǒng)研究與分析得知，e-learning系統(tǒng)的推送學習資源主要有以下幾類方法：（1）Top-N推薦的方法，指向用戶推薦點擊率最高的前N個資源［1］。點擊率只是反映相應學習資源受歡迎的程度，而不能達到個性化推薦的目的。尤其對于一些涉及多種職業(yè)的行業(yè)的學習資源的管理，用戶針對資源的類別和需求是不同的，點擊率高的學習資源，只是單純的反應學習者的要求；（2）關鍵詞查詢的方法。該種方法的優(yōu)點是便捷快速。這種查詢的方法只是單純的達到搜索目的和關鍵詞的默契，不能篩選目標資源的質量，不能達到資源的個性化推薦；（3）最新的資源的推薦。該種方法能會在第一時間向用戶反饋資源庫里面更新的情況，從而使最新的學習資源得到更多的學習，可是資源的質量不能得到有效保障，不能達到個性化推薦。

2　個性化推薦技術

個性化推薦是推薦系統(tǒng)依據(jù)用戶的個性化因素，比如愛好、職業(yè)、專業(yè)等因素，給用戶主動的推薦滿足用戶學習的資源和咨詢的一種推薦的技術［2］。再者，通過個性化推薦技術還能很好的讓用戶之間分享學習經(jīng)驗，更可以給用戶推薦相同的用戶群喜歡的信息。

2.1關聯(lián)規(guī)則的推薦方法

該技術的推薦技術的工作原理：開始的時候需要管理員制作一系列規(guī)則的條目，接著依據(jù)指定的規(guī)則來分析項目之間的聯(lián)系，并且把關聯(lián)緊密的項目給用戶推薦。并且在推薦的時候，系統(tǒng)合理的分析用戶目前的喜好和訪問的記錄，之后根據(jù)已制定的規(guī)則，推薦給用戶想要的資源。比如，若用戶正在學習網(wǎng)頁設計技術，則在他學習視頻ASP網(wǎng)頁設計的資源過程中，系統(tǒng)就會將和HTML技術有關的學習資源推薦給他。主要原因是：HTML技術是網(wǎng)頁制作的基礎知識，學習的人還沒掌握，或者還有想繼續(xù)學的樂趣。

2.2內容過濾推薦

內容推薦作用機理：以機器學習與概率統(tǒng)計等技術為基礎，來實現(xiàn)過濾，最初選用客戶的興趣向量來代表用戶的信息需求；而后，篩選文本集內的文本，主要采用詞頻統(tǒng)計加權、標引、分詞等方式，與此同時，得到一個文本向量；最終，對文本向量與用戶向量進行計算，確定其相似度，并向這個用戶模型的注冊的用戶推薦相似度高的資源。

2.3協(xié)同過濾推薦

不同與以上兩類推薦技術，協(xié)同過濾推薦是基于對資源內容的分析、資源和用戶的匹配度的計算，來產生用戶推薦的，此外，資源推薦的憑據(jù)就是用戶對資源的評分。其工作原理：開始的時候就是分析用戶的特點，比如：職業(yè)、興趣等；之后采用相似性算法對用戶之間的相似性進行計算，并找出和目標性相似度高的K個用戶；最終，以鄰居用戶對資源的評分為依據(jù)，來對目標用戶評分進行預測，再向目標用戶推薦預測評分最高的幾個資源［3］。

3　協(xié)同過濾推薦技術

協(xié)同過濾推薦系統(tǒng)采用統(tǒng)計技術，對目標用戶進行搜索，獲取多個最近鄰，而后，以最近鄰對項目的評分為依據(jù)，來對目標用戶的評分進行預測，并得到相對應的推薦的列表。實現(xiàn)協(xié)同過濾推薦的流程分為以下三步：

首先，獲得用戶信息，并將其表示出來。用戶的數(shù)據(jù)可分為用戶的注冊的信息、學習的數(shù)據(jù)與行為記錄三類。通常情況下，推薦系統(tǒng)采用評分的方式，來獲取用戶的行為數(shù)據(jù)。

然后，形成鄰居。協(xié)同過濾技術的最主要的環(huán)節(jié)就是尋找和目標用戶相同或相似興趣的用戶群。通過采用傳統(tǒng)的余弦相似性計算方法，尋找相似度高的用戶。

最后，產生推薦。協(xié)同過濾最后的步驟就是產生推薦。產生推薦的主要依據(jù)是鄰居集對資源的評分，以此評分對目標用戶學習資源的評分進行預測，最終向用戶產生推薦。

4　協(xié)同過濾推薦技術存在的不足及措施

存在的不足：（1）數(shù)據(jù)稀疏。由于數(shù)據(jù)稀疏，系統(tǒng)無法產生有效的鄰居用戶集，且計算用戶間的相似時，將消耗較長的時間，最終不能產生較好的推薦結果；（2）“冷啟動”問題。一方面，若用戶是新注冊的，則系統(tǒng)沒有相關的數(shù)據(jù)記錄，系統(tǒng)不能很好的產生推薦，另一方面，新的資源，系統(tǒng)沒有匹配的評分記錄，無法別推薦，上述情況就造成協(xié)同過濾算法的“冷啟動”問題。

關于數(shù)據(jù)稀疏，當前有兩種對應措施。第一，缺省值法，即對于用戶沒有評分的項目，將其評分統(tǒng)一設置成一個固定的缺省值（一般，該固定的缺省值是用戶對項目評分的平均值，比如：5分制中的2.5）；第二，項目評分的預知的方式。對根據(jù)數(shù)據(jù)相似性，由用戶對相似的評分來對未評分項目的評分進行預測，使用戶共同評分項目增加，有效解決該問題。

5　結論

借鑒當前電子商務研究領域的許多的研究的結果，我們可以把協(xié)同過濾推薦技術應用到學習資源的個性化推薦過程中。本文對協(xié)同過濾推薦技術進行研究，希望可以使e-learning相關的人員在搜索過程中更好的利用好協(xié)同過濾技術，提升學習資源個性化推薦的效率。

［1］楊焱，孫鐵利，邱春艷.個性化推薦技術的研究［J］.信息工程大學學報，2005，6（02）.

［2］趙艷霞.基于關聯(lián)規(guī)則的推薦系統(tǒng)再電子商務中的應用［J］.價值工程，2006，25（05）：88-91.

［3］楊焱.基于項目聚類的協(xié)同過濾推薦算法的研究［D］.東北師范大學，2005（05）.

張宏亮（1985-），男，河南信陽人，研究生，助教，研究方向：計算機應用技術、教育技術。