简介:摘要:本文针对在邻居用户协同评分识别数据极端稀疏的大环境下运行传统应用协同推荐过滤度量推荐评分算法可能存在的一些弊端,从如何提高不同邻居之间用户评分识别率的准确性角度出发,对目前传统用户相似性平均度量推荐方法特点进行大胆改进,在此方法基础上创新提出一种基于用户相关性平均值的协同推荐过滤算法。实验分析结果表明,该分析算法不仅能有效增强居民邻居推荐用户在居民推荐结果中的品牌影响力,有效帮助提高邻居推荐结果精度,改善邻居推荐结果质量。
简介:摘要:教育工作者要注重因材施教,通过关注学生的不同特点和个性特征,提倡积极主动的个性化学习方法,充分发展每一位学生的优势潜能。但在长期的教学实践过程中,存在教育工作者难以全面准确了解每一位学生所需要的教学资源,对学生的个人特征研究不够充分,对学生的学习兴趣和偏好分析不够深入,无法针对不同学习需求的学生推荐个性化的教育资源。其主要原因在于学生自身存在个体特征、学习动机、学习风格及学习效率等因素的差异。近年来,快速发展的“互联网+”技术和不断增长的教育资源提供了丰富便捷的教学资源,为个性化学习的实施提供了可能。然而,如何基于学生的个体特征和学习需求从海量复杂的教学资源中智能搜索到所需要的资源并进行精准推荐,已成为国内各高校教学改革的热门话题和关键问题。用户画像作为一种勾画目标用户、联系用户诉求与设计方向的有效工具,为实现教育资源个性化的推荐提供了新的研究方向。基于此,本篇文章对用户画像在教育资源个性化推荐中的应用究进行研究,以供参考。