面向在线学习社区提问者的推荐系统设计与实现

摘要

伴随着互联网时代的来临，越来越多的学习者开始使用在线学习社区进行在线学习。学习者通过提出问题、回答问题和协作学习等方式学习知识。为了帮助学习者有效学习，产生了大量的推荐系统，如知乎网上的基于标签的个性化推荐、慕课网的视频推荐等，这些推荐系统旨在为学习者提供课程、知识等推荐服务，帮助学习者学习感兴趣的知识以及有效的解决问题。因此，基于在线学习社区，构建基于学习分析背景的推荐系统为学习者推荐相关问题及其答案和问题回答者成为了一个研究热点。
　　面向在线学习社区提问者的推荐主要包括两个方面:问题及其答案推荐和回答者推荐。其中，问题及其答案推荐是指为提问者推荐其可能感兴趣的相关问题及其答案，回答者推荐是指为提问者提出的问题推荐回答者。问题及其答案推荐和回答者推荐能够有效减少学习者学习的等待时间，促进学习者的学习成功和满意度。
　　为了实现给提问者推荐相关问题及其答案和问题回答者的目的，本文所做的主要工作如下:
　　首先，设计并实现了基于Scrapy爬虫框架的数据采集程序，以获取知乎学习者的相关数据，然后对获取到的数据进行预处理和分析。
　　其次，结合聚类算法设计了基于在线学习社区的问题及其答案推荐算法，根据回答者的兴趣度、专长度以及关注度设计了回答者模型，然后基于构建的该模型设计了问题回答者推荐算法。
　　最后，基于上述研究和Python的Django框架，构建了针对在线学习社区提问者的推荐系统;然后以获取到的知乎网数据集为基础，基于所构造的推荐系统进行相关实验及分析，以验证本推荐系统的有效性。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景与意义

1．2 国内外研究现状

1．3 存在的问题

1．4 本文的研究目标与工作

1．5 论文的组织结构

第二章 研究基础

2．1 在线学习社区

2．2 学习者数据采集的原理与技术

2．3 聚类算法

2．4 推荐技术

2．5 本章小结

第三章 问题答案与问题回答者推荐研究

3．1 引言

3．2 问题答案推荐

3．2．1 问题库构建

3．2．2 问题答案推荐的定义

3．3 问题回答者推荐

3．3．1 问题回答者模型

3．3．2 潜在回答者库构建

3．3．3 问题回答者推荐的定义

3．4 本章小结

第四章 面向在线学习社区提问者的推荐系统框架

4．1 系统需求

4．2 总体框架设计

4．3 数据获取子系统

4．4 数据预处理子系统

4．5 数据分析子系统

4．6 推荐子系统

4．7 本章小结

第五章 原型系统设计与实现

5．1 系统设计

5．2 数据获取子系统实现

5．2．1 数据提取技术

5．2．2 数据获取文件的解释

5．2．3 定义Item容器

5．2．4 定义数据输出管道

5．2．5 编写Spider爬虫业务

5．2．6 部署与集成爬虫项目

5．3 数据预处理子系统实现

5．3．1 去除噪声实现

5．3．2 分词实现

5．3．3 结果下载实现

5．4 数据分析子系统实现

5．4．1 文本向量化实现

5．4．2 数据诊断实现

5．4．3 降维实现

5．5 问题答案及问题回答者推荐子系统实现

5．5．1 问题答案推荐实现

5．5．2 问题回答者推荐实现

5．6 本章小结

第六章 实验研究

6．1 问题答案推荐相关实验

6．1．1 实验设计

6．1．2 实验步骤

6．1．3 结果与分析

6．2 问题回答者推荐相关实验

6．2．1 实验设计

6．2．2 实验步骤

6．2．3 结果与分析

6．3 本章小结

第七章 总结与展望

7．1 总结

7．2 展望

参考文献

攻读硕士学位期间发表论文成果及参加的科研项目

致谢