1、近年來，隨著互聯(lián)網(wǎng)和教育信息化的高速發(fā)展，網(wǎng)絡(luò)教學(xué)已經(jīng)成為信息時(shí)代深受歡迎的教育模式，為學(xué)習(xí)者提供了十分豐富的教學(xué)資源。然而，在帶來便捷的同時(shí)，網(wǎng)絡(luò)教學(xué)也存在著一些急需解決的問題，例如浩瀚的教學(xué)資源易導(dǎo)致用戶迷失在信息空間中，難以找到感興趣的資源，進(jìn)一步使得大量優(yōu)質(zhì)資源得不到充分利用并且降低了用戶的學(xué)習(xí)效率。因此需要提供更優(yōu)質(zhì)的服務(wù)策略，幫助用戶高效的找到所需教學(xué)資源。將推薦技術(shù)應(yīng)用到網(wǎng)絡(luò)教學(xué)中來為學(xué)習(xí)者提供有針對性的服務(wù)成為網(wǎng)絡(luò)教學(xué)中

2、重要的研究內(nèi)容。
　　本文詳細(xì)分析了常用的幾種個(gè)性化推薦技術(shù)的優(yōu)勢和不足，結(jié)合教學(xué)資源的特征，選取協(xié)同過濾推薦算法對教學(xué)資源進(jìn)行推薦，并對其進(jìn)行了改進(jìn)以緩解推薦過程中產(chǎn)生的可擴(kuò)展性問題、數(shù)據(jù)稀疏性問題和用戶冷啟動(dòng)問題。主要研究工作包括:
　　(1)針對可擴(kuò)展性問題，考慮相似用戶對資源屬性偏好也相同的特點(diǎn)，利用基于最大距離的K-means聚類算法對用戶進(jìn)行聚類。算法選取距離最大的用戶作為初始聚類中心，通過離線聚類將對資源屬性有

3、相同偏好的用戶劃分到同一個(gè)簇中，并在與目標(biāo)用戶相近的若干個(gè)簇中查找最近鄰居，從而減小了鄰居查詢的時(shí)空開銷。
　　(2)針對稀疏性問題，本文提出一種基于用戶評分和資源屬性偏好的推薦模型。在查找目標(biāo)用戶最近鄰居時(shí)，考慮用戶、資源和資源屬性的關(guān)系，采用評分相似性和資源屬性偏好相似性相結(jié)合的方法，充分利用有效信息挖掘出了更多相似用戶，提高了系統(tǒng)的推薦質(zhì)量。
　　(3)對于用戶冷啟動(dòng)問題，提出了基于用戶特征和信息熵的推薦模型。根據(jù)用戶