论文部分内容阅读
随着信息技术的快速发展,互联网已成为信息共享的平台,各界人士都开始使用互联网加速自己的信息处理,用来满足信息获取和分享需求。然而,随着信息过量问题的出现,互联网上有太多的资源,用户很难找到自己需要的信息。因此搜索引擎和推荐引擎出现了,前者帮助用户查找所需的信息,后者依据用户喜好向用户推荐资源。但是用户在很多情况下不知道自己需要哪些信息,所以推荐系统需要正确的了解用户的需求是非常必要的。在教育教学中,信息技术的过程也在迅速发展,辅助教学系统已经被应用到教学实践中。辅助教学系统可用作教学的一部分,帮助教师更好地向学生分享教学内容。在课外,学生可以根据自己的需要自学。当辅助教学共享越来越多的资源时,有效的个性化推荐系统是必要的。推荐技术是个性化教学资源推荐实现的重点,如今应用相对较多的有协同过滤推荐、基于内容推荐、关联规则推荐、基于标签推荐、基于用户评论推荐、组合推荐等推荐技术。因为教学资源规范的多样性,怎样挑选适合在个性化教学资源推荐的推荐技术,是高校使用教学资源推荐系统是否成功的先决条件。并且,教学资源推荐系统是通过推荐技术和结构模型一起组合的,而结构不仅是推荐系统性能与技术编码之间的接口,而且是推荐系统总体的协调核心。怎样依据个性化教学资源推荐的使用特性,考虑应用在文件格式多样的教学资源推技术,同时创建对应的教学资源推荐系统机构,己经作为高校个性化教学资源推荐技术的研究关键。本文的目的基于Java EE和个性化推荐算法对教学资源推荐系统进行研究与实现,为学习者创造良好的在线学习环境,在一定程度上提供知识资源的个性化导航,降低教学资源的复杂性以及开发成本。本文的主要工作如下:(1)针对HTML和CSS容易开发,发布复杂的教学资源推荐系统,本文通过分析Java EE与Web之间关系的基础上,使用Java EE跨平台跨应用的特性提出了一种层次化和允许扩展的同时增加了Web技术思想的教学资源推荐系统应用框架,各级协作相互之间完成任务,但可以相对独立,允许开发人员专注于代码来处理业务问题,而不必关心具体的技术细节。该框架不仅简化了教学资源推荐系统的开发过程,而且降低了教学资源推荐系统的开发周期和开发成本,提高了教学资源推荐系统的人机交互体验和实时性要求。(2)基于ALS协同过滤推荐算法,结合(1)中所提的框架,设计和实现了个性化教学资源推荐系统。它通过使用系统中现有用户的历史行为和喜好来预测当前用户可能喜欢或需要的知识资源,并且指导用户准确的找到他们所需的资源,帮助用户提高学习效率。(3)针对ALS协同过滤推荐算法的迭代和可能丢失用户或者教学资源的某些信息问题,本文优化了ALS协同过滤推荐算法,在传统的ALS协同过滤推荐算法基础之上,采用分别计算用户之间和教学资源之间的相似度,并且把ALS算法用到Spark平台并行的方式来提高效率和推荐的准确率。通过对实验数据的分析,验证了该算法的有效性,能够为用户推荐准确的资源,提供个性化的知识资源服务。