协同过滤论文：基于协同过滤的教学资源个性化(3)

协同过滤论文：基于协同过滤的教学资源个性化推荐技术的研究及应用协同过滤论文：基于协同过滤的教学资源个性化推荐技术的研究及应用

算法22-23本章小结24-25

2.3.5 协同过滤技术面临的挑战23-24

3 用户兴趣模型的建立25-34

3.1.1 数据收集

3.1.3 模型学习

2.4 3.1 用

户建模的相关理论及方法25-3126-2728-30立31-32

3.1.2 模型表示27-283.1.4 模型更新30-31

3.2 教学资源模型的建

4 个性化推荐流

4.1.1 本

3.3 用户模型的建立32-34

程和算法的设计34-41专业资源推荐34-3636-38分析38-39协同过滤推荐算法

4.1 推荐流程34-384.1.2 非本专业资源推荐

4.2 相似度计算38-394.2.1 相似度计算方法

4.3 混合

5.1

4.2.2 改进的相似度计算方法3939-41

41-42

5 推荐引擎的实现41-48

Apache mahout的简介42-48模43-4448-52准4950-52

5.2 使用Taste构建推荐引擎

5.2.2 数据建6 算法的评价6.2 实验评价标6.4 实验结果分析参考文献53-56

作

5.2.1 抽取Taste工具包42-435.2.3 推荐引擎实现44-486.1 实验数据集与环境

48-49

6.3 实验方案设计49-507 总结与展望52-53

者简历56-58学位论文数据集58