1 簡介
今天向大家介紹一個(gè)計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)項(xiàng)目,基于協(xié)同過濾算法的在線視頻學(xué)習(xí)答題自動(dòng)化批改平臺(tái) 習(xí)題問答系統(tǒng)。
使用協(xié)同過濾算法完成習(xí)題推薦,在線視頻學(xué)習(xí),試卷自動(dòng)化組卷,批改評分
在網(wǎng)絡(luò)技術(shù)的快速發(fā)展的今天,人類已經(jīng)步入了信息化時(shí)代,網(wǎng)絡(luò)與人們生產(chǎn)生活之間的關(guān)系越來越密切,人類越來越依賴網(wǎng)絡(luò)化的生活,學(xué)生的學(xué)習(xí)也在從傳統(tǒng)的線下教學(xué)向線上學(xué)習(xí)轉(zhuǎn)變.在信息技術(shù),網(wǎng)絡(luò)科技高度發(fā)達(dá)的時(shí)代背景下,過去的課堂教學(xué)方式逐漸退出歷史舞臺(tái),新型的學(xué)習(xí)思維,教學(xué)方法層出不窮,并逐漸應(yīng)用到教育教學(xué)活動(dòng)當(dāng)中,使得人們的學(xué)習(xí)方式和工作模式發(fā)生發(fā)生了翻天覆地的變化.本文創(chuàng)新設(shè)計(jì)的遠(yuǎn)程在線自主學(xué)習(xí)平臺(tái)能夠構(gòu)建一個(gè)自然,和諧,輕松的學(xué)習(xí)氛圍,能夠隨時(shí)隨地在線解答學(xué)習(xí)者的疑問,使得人們的學(xué)習(xí)活動(dòng)更加個(gè)性,充分激發(fā)人們的學(xué)習(xí)興趣,獲得更好的學(xué)習(xí)成果.
2 設(shè)計(jì)概要
協(xié)同過濾算法(Collaborative Filtering) 是比較經(jīng)典常用的[推薦算法],從1992年一直延續(xù)至今。所謂協(xié)同過濾算法,基本思想是根據(jù)用戶的歷史行為數(shù)據(jù)的挖掘發(fā)現(xiàn)用戶的興趣愛好,基于不同的興趣愛好對用戶進(jìn)行劃分并推薦興趣相似的商品給用戶。協(xié)同過濾算法主要分為兩類:
- 基于物品的協(xié)同過濾算法:給用戶推薦與他之前喜歡的物品相似的物品
- 基于用戶的協(xié)同過濾算法:給用戶推薦與他興趣相似的用戶喜歡的物品
2、基于用戶的[協(xié)同過濾算法](UserCF)
UserCF,思想其實(shí)比較簡單,當(dāng)一個(gè)用戶A需要個(gè)性化推薦的時(shí)候, 我們可以先找到和他有相似興趣的其他用戶, 然后把那些用戶喜歡的, 而用戶A沒有聽說過的物品推薦給A。如圖:

UserCF算法兩步驟:
- 找到與當(dāng)前用戶A相似的用戶B;
- 將相似用戶B喜歡的物品而用戶A沒有見過的物品推薦給用戶A。
那這兩步如何做呢?接下來,咱們來個(gè)例子具體看一下:

給用戶推薦物品的過程可以形象化為給物品打分的過程上面表格里面是5個(gè)用戶對于5件物品的一個(gè)打分情況,就可以理解為用戶對物品的喜歡程度,分?jǐn)?shù)越高,說明對這個(gè)物品越喜歡。
UserCF算法的兩個(gè)步驟:
- 首先根據(jù)前面的這些打分情況(或者說已有的用戶向量)計(jì)算一下Alice和用戶1, 2, 3, 4的相似程度, 找出與Alice最相似的n個(gè)用戶;
- 根據(jù)這n個(gè)用戶對物品5的評分情況和與Alice的相似程度會(huì)猜測出Alice對物品5的評分, 如果評分比較高的話, 就把物品5推薦給用戶Alice, 否則不推薦。
2.1計(jì)算相似度的幾種方式
-
杰卡德(Jaccard)相似系數(shù):
兩個(gè)集合A和B交集元素的個(gè)數(shù)在A、B并集中所占的比例,稱為這兩個(gè)集合的杰卡德系數(shù),用符號(hào) J(A,B) 表示。杰卡德相似系數(shù)是衡量兩個(gè)集合相似度的一種指標(biāo)(余弦距離也可以用來衡量兩個(gè)集合的相似度),jaccard值越大說明相似度越高。

![)5[%%5VF66I3EEG6PD]T81.png

![F@JKEKN0$]~K@PEG132H(7C.png](https://upload-images.jianshu.io/upload_images/28807581-d9138d427273627b.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


