论文部分内容阅读
随着信息化教育的高速发展,智慧校园建设已经成为各学校的重点工作之一。智慧校园平台中用户会产生大量隐式用户行为数据,隐式用户行为数据可以从侧面反映出个人的行为特点、兴趣爱好等潜在信息。因此可以利用隐式用户行为数据进行数据挖掘与研究,为智慧校园建设和服务智慧校园用户产生积极的作用。本文结合数据挖掘的相关技术,基于隐式用户行为数据分析进行学习资源个性化推荐和优化产品设计、改进产品运营策略。本文重点工作是改进相关的推荐算法,实现了智慧校园平台用户学习资源个性化推荐。论文具体的工作如下:本文第一个工作:研究智慧校园平台用户学习资源网页点击流数据,挖掘用户兴趣,提出了 JMATRIX推荐算法,为用户进行个性化学习资源推荐。首先基于用户的学习资源点击流数据,提出并构建用户资源点击数据有向图模型,将有向图模型转化为矩阵模型存储。然后采用求解矩阵模型相似度从而求得用户相似度,摒弃多次求解资源点击路径和点击频率相似度的传统方式,提高了用户相似度求解的效率与准确度。根据JMATRIX推荐算法求得用户相似度进行用户聚类,针对相似用户进行个性化学习资源推荐。实验结果证明,JMATRIX算法相比改进前的推荐算法具有更高的效率和更准确的推荐效果。本文第二个工作:基于智慧校园产品中隐式用户行为数据挖掘,优化产品设计,改进产品运营策略,提高产品经济效益。首先基于智慧校园产品功能菜单的点击频率和点击路径进行数据分析,挖掘用户的产品使用习惯,优化产品的功能菜单页面布局,提高产品用户体验度。然后基于隐式用户行为数据分析优化产品运营策略,通过分析产品的各项运营指标,优化产品运营。同时挖掘出平台的核心用户,并对平台核心用户实现有效的保护,提高平台的竞争力。本文的研究成果在用户个性化推荐领域和优化产品设计与产品运营领域都具有一定的贡献。