文摘

个性化推荐下在学校听不清社会遗产和材料双重减少政策评估和判断学生的学习兴趣和专业和社会遗产和材料给学生推荐合适的听不清。针对这个问题,协同过滤推荐方法不匹配的个性化需求减少的双重政策下中小学生,在本文中,我们建议一个个性化推荐系统在学校听不清社会遗产和材料减少的双重政策下基于联合模板特征匹配和特征点挖掘感兴趣。第一,以信息管理平台在学校听不清社会遗产和材料结构模型,分级模型和同态听不清社会遗产的分布属性模型和材料为中小学学生减少的双重政策下的构造。第二,联合模板匹配的概率密度特征分析方法用于构造的个性化推荐模型在学校听不清社会遗产和材料。第三,个性化特征分布和健身听不清社会遗产的参数提取和材料在学校下双减少政策执行,从而实现个性化特征的合理匹配需求和项目的兴趣点,实现个性化推荐下在学校听不清社会遗产和材料双重削减政策。最后,仿真实验进行了测试和评估结果。结果表达,听不清社会传统的个性化推荐项目和材料在学校用这种方法有更高的分数,平均绝对误差和均方根误差更小,提高了质量的动态、准确匹配之间听不清社会遗产和材料和学生的爱好特点。

1。介绍

实施“双下降”的政策在教育是主要的方法来实现我们的党和政府的教育政策。学校教育质量的提高和中学生的健康发展也是一个重要的机会深化学校教育改革。因此,在农村初中学校的课堂教学,有必要积极落实“双下降”政策,关注学生的全面发展和他们的成长和发展的需要。通过在学校教学质量的提高和学校外的标准化培训机构,可以实现有效教学,同时,可以减少学生的学习负担。下的双重政策,减少人们关注如何弘扬中国传统文化,提高中小学学生的学习质量。

事实上,这是惊人的重要构建个性化推荐模型,听不清在学校和社会遗产和材料开发和设计的个性化推荐模型下在学校听不清社会遗产和材料双重削减政策,这将提高的推动程度在学校听不清社会遗产和材料。此外,它还将改善和进步的观众和教学质量水平在学校听不清社会遗产和材料。应该注意的是,这是惊人的重要的检查和调查听不清社会传统的个性化推荐模型和材料在学校的双重政策减少中小学学生。

个性化推荐下在学校听不清社会遗产和材料双重减少政策是基于主要的个性化特点之间的匹配关系,以及,中学生的政策下双下降。此外,通过浏览和评估学校学习者的先验信息下二级减速的政策,制定出个性化的需求,听不清社会遗产的资源分布结构和材料和主要的需求,以及二级学院学生的政策下双减少全面考虑。事实上,实现信息的个性化服务项目制定推动和web页面推荐,为更有效的网络经验奠定了基础。目前,常用的和经典的个性化推荐方法主要包括协同过滤推荐方法,建议在裁判。1),基于meta-path注意力机制的建议方法,渗透路径的推荐模型基于强化学习(2]。

然而,随着规模的增加听不清社会传统和主要材料在学校和多样化的增长,以及,二级学院学生信息的政策下,二级减速,推荐的准确性不高,而协同过滤推荐方法的匹配程度的个性化需求学派学者的政策下,二级减速也不高。因此,为了解决古典和老式方法的不足,在本文中,我们提出一种个性化推荐算法在学校听不清社会遗产和材料减少的双重政策下基于联合模板特征匹配和兴趣特点挖掘。第一,以信息管理平台在学校听不清社会遗产和材料结构模型,分级模型和同态听不清社会遗产的分布属性模型和材料为中小学学生减少的双重政策下的构造。

联合模板匹配的概率密度特征分析方法用于构造听不清社会遗产的个性化推荐模型和材料在学校,然后是个性化特征分布和健身听不清社会遗产的参数提取和材料在学校下双减少政策执行,从而实现个性化特征的合理匹配需求和项目的兴趣点,实现个性化推荐下在学校听不清社会遗产和材料双重削减政策。最后,通过仿真实验性能测试表明该方法在提高推荐质量的优越性。的根本贡献工作提出了如下:(我)在本文中,我们建议一个个性化推荐过程减少的双重政策下基于联合模板特征匹配和特征点挖掘感兴趣。(2)信息管理平台的结构模型,分级模型和同态听不清社会遗产的分布属性模型和材料构造双减少政策下。(3)联合模板匹配的概率密度特征分析方法用于构造个性化推荐模型。(iv)个性化的特征分布和健身听不清社会遗产的参数提取和材料减少的双重政策下进行,从而实现个性化特征的合理匹配需求和项目的兴趣点在双削减政策。

讨论的其余部分手稿是结构化在随后的语句。提出了模型构建和信息预处理部分2。建议优化算法及其实现是讨论部分3。临床实验的结果和分析谈话节中给出4。最后,部分5完成本研究和讨论一些指导方针和对未来研究的建议。

2。模型构建和信息预处理

2.1。分布结构模型和推荐规则听不清社会遗产的文化材料

摘要协作推荐技术审议的信息管理平台模型是建立在在学校听不清社会遗产。听不清社会传统学校的信息管理平台是一个网络的匹配关系组成的所有中小学学生的个性化特征的分销网络听不清社会遗产,它是抽象成网络的信任通信机制之间的关系通过双减少政策下中小学生。考虑网络节点的信任模型和信心,项目属性分类和主题进行匹配。根据多代理协商机制、信任的节点所在,中小学生的信任程度进行了分析双下削减政策。因此,个性化推荐的总体结构模型在学校听不清社会遗产和材料的获得,如图1。

根据学校的总体设计的个性化推荐模型的听不清社会遗产和材料双重政策,减少学校的信息管理平台”听不清社会遗产的信任和兴趣特点和材料将整合中小学学生减少的双重政策下,构建一个网络结构模型,开展大学生信息的特征检索的政策下双下降。此外,大学学者的信任关系模型下的双重政策减少学校的信息管理平台的听不清社会遗产的形式和材料表达下面的无向图模型(3,4]:G= (V,E,C)。在这,V代表了节点集的协同过滤的信息管理平台在学校听不清社会遗产,和每个节点代表了个人双减少政策下中小学生网络;E代表的边缘,代表社交网络的相关推荐的朋友,两个人之间存在相关性特征;显示的重量值 边缘。重量越大,越高的信任,和更好的推荐的准确性5,6]。

假设信息管理平台的边缘图听不清社会遗产在学校直接和网络图是指导,听不清社会传统的个性化推荐系统在学校减少双重政策, 代表的小学和中学学生减少的双重政策下, 代表不可靠的节点的集合 代表中小学学生的得分矩阵下的双重政策,减少代表中小学学生的属性的评估对项目的兴趣V在减少政策关联规则的约束下的两倍。可以任意的实数。在社交网络中,大量的中小学生可以合理地反映质量的双减少政策下的推荐模型由数据稀疏5]。因此,它并不少见使用评分机制来评估建议的质量模型。摘要学生的得分区间[0,1]。通过使用得分的主要方法,以及二级学院学生的项目二级减速的政策下,学校和大学生的语义特征项在每个二级减速政策表示为:相关匹配程度的网络分布单元节点表示,和它的值范围从[0,1],0表示完全不匹配,1表示完全匹配。

根据信任模型和信息管理平台的推荐规则在学校听不清社会遗产的上面设置密度的表达特征概率函数下的中小学学生的信任评估双减少政策得到如下方程(1):

特征向量检索技术(7,8]搜索学校学生的先验特征信息的政策下双减少特征空间的相互信任,关键信息检索向量模型的中小学学生的兴趣和爱好在双减少政策下检索区是由方程(2):

语义概念树(9)和学生之间的二元关系的分析对象和项目属性中设置的信息管理平台在学校听不清社会遗产的构造。二进制特征树(10]K= (O,一个,r)来描述信息分发的个性化推荐列表下在学校听不清社会遗产和材料双重政策,减少o是中小学学生的集合对象的政策和战略下二级减速,一个项目是集信息管理平台的推荐听不清社会遗产和材料在学校,然后呢r是一个二元关系o和一个。预测的空间维度得分的个性化推荐下在学校听不清社会遗产和材料双重政策将减少米。通过个性化特征的评价中小学学生的利益下的双重政策,减少之间的关联度中小学学生的行为和偏好下双减少政策得到如下方程(3):

基于行为和偏好之间的关系的分析,学生的成绩的策略下双减少映射到[0,1]区间,以及主要的预测模型,以及,中学学生成绩的战略和政策下二级减速的推荐模型。

2.2。建设个性化推荐模型,在学校听不清社会遗产和材料

使用概率密度特征分析方法(11,12联合的模板匹配,听不清社会传统的个性化推荐模型构造和材料在学校。条件概率公式的信任程度的任意两个项目X和Y建议中小学生社会双重减少政策下如下方程(4)(6): 在哪里和是听不清社会传统文化的综合权重的建议项目X和Y分别是联合条件概率密度函数,代表准确的分配权重分数的听不清社会传统文化的项目建议X和Y在[0,1]区间。修改每个向量 ,预测和得分的过程和所有项目由vi,表示 。计算中心向量C(Y)每个个性化特性分布的信息管理平台在学校听不清社会遗产,信任程度的计算公式X和Y在方程(数学了7):

忽略的链接结构信息在学校听不清社会遗产的文化材料,并进行信息检索根据中小学学生的差异化特征之前关键字语义信息和双下削减政策。检索的有效价值 ,这表明学生的理解和接受的程度在学校听不清社会遗产的文化材料。

修改后的个性化推荐模型的权重在学校听不清社会遗产和材料的所有相邻节点 建立数学方程表达(8): 在哪里代表的直接信任中小学学生的项目在双重政策,减少代表的提取价值中小学学生的兴趣特点项目的整体结构信息二级减速下政策,是一个修改加权向量。然后,中小学学生的预测评分U语义信息检索双减少政策下的信息管理平台在学校听不清社会遗产在方程可以表示如下(9):

根据协同过滤系统的实际情况,结合行为特征和利益分配下的中小学学生的双重政策,减少推荐模型。

3所示。算法优化实现

3.1。问题分析和个性化特征

基于网络结构的设计模型和推荐规则建设,协同过滤算法的优化设计13]。摘要学校听不清社会遗产的个性化推荐算法和材料基于共同的双重政策减少模板特征匹配(14和兴趣特点挖掘15)提出,学校听不清社会传统的个性化推荐模型和材料是由使用概率密度特性分析的联合模板匹配方法。个性化的功能分布和健身听不清社会遗产的参数提取和材料在学校双减少政策执行。基于可信度的建议约束模型,模糊分布矩阵个性化推荐的在学校听不清社会遗产和材料减少的双重政策下构造根据修改后的重量。因此,对于推荐的项目,信托矩阵满足给定的约束方程(10):

联合推荐的学生一个主,以及中学生的邻居节点B二级减速的战略和政策下,主要的条件概率,以及,大学和中学学生的评分策略下的二级减速方程表示如下(11): 在哪里表明该项目特征分布变量服从标准正态分布的数学期望和标准方差 ,和是一个稀疏的指标函数。如果中小学学生的对项目有个性化的需求吗减少的双重政策下,计分器1;否则,计分器是0,从而完成中小学学生的个性化特征分析双减少政策下(16]。

3.2。个性化推荐算法的实现在学校听不清社会遗产和材料

的信息管理平台结构模型在学校听不清社会遗产,评分模型和同态属性分布模型在学校听不清社会遗产的双重构造减少政策(下17]。从社会信任网络,个性化特征的匹配概率分布方程(如下的需求12):

类推解释的基础上,建议在学校听不清社会遗产的文化材料的双重政策,减少下的贝叶斯推理18,19)可以用来获得以下表达式在方程(13):

互信息的特征空间,如果评分模型和项目属性是相互独立的,听不清社会遗产的个性化推荐的信任重量和材料在学校下双减少政策表达了如下方程(14):

为了达到一个合理的匹配之间的个性化功能需求和项目的兴趣点,考虑到整体结构中的信息在学校听不清社会遗产的信息管理平台,通过个性化的特征提取20.记录),信息融合的信任程度并在方程(数学上表示15):

矩阵的特征向量分解技术用于分解中小学学生的需求和推荐项目减少的双重政策下(21]。这个过程是由方程(16):

公式将扩大l因此,导致方程(17):

语义相似度的属性(22,23)设置 推荐的项目在学校听不清社会遗产和材料如下方程(18): 在哪里N节点的数量在这个特定的层在学校听不清社会遗产的信息管理平台,米是系数向量谈判主体,这表明加权向量元素的第一行是什么 和的个性化特征提取输出,表示听不清社会遗产的精确位置序号在学校、和intra-cluster误差,从而实现个性化功能需求和项目利益的合理匹配点,实现个性化推荐在学校听不清社会遗产的双减少政策下(24]。

4所示。实验结果分析

实验中个性化推荐下在学校听不清社会遗产和材料双重政策,减少仿真平台是MyEclipse 8.0是一个临床实验的模拟环境,和设计的算法开发和Java平台和编程语言。应该指出,在所有实验中使用的数据来自一个在线网站的信息管理平台的听不清社会遗产在Slashdot和材料在大学校,和这些数据是被网络爬虫。听不清社会传统学校的信息管理平台包括200中小学学生的评论下双减少政策和399322的双减少政策,它用作之前指令设置建议的数据网络。同样,其他重要的和相关的参数是:= 45,= 122,= 210,= 24 0.332, 0.43, 。为了关联推荐算法的优缺点,推荐质量评价,平均绝对误差(MAE)和均方根误差(RMAE)是为了实现分析的个性化推荐质量在学校听不清社会遗产和材料双重削减政策。两种品质的定义描述如下方程(19)和(20.由方程()定义了美19)给出如下: 中,这表明学生的实际成绩感兴趣项目的信息管理平台,听不清在学校和社会遗产表示项目的预测成绩后个性化特性分析采用个性化推荐模型下在学校听不清社会遗产的双重政策,减少爬虫的爬行时间(25]。应该指出,RMSE非常规和偏差的平方和代表了在观测值和真正意义下的中小学学生的分数的二级减速策略个性化推荐在学校听不清社会遗产和材料。其定义的RMSE指标如下方程(20.):

参数描述上面的公式是一样的。RMSE能有效反映主要的满意度,以及大学和中学的学生策略下的二级减速过程中个性化推荐在学校听不清社会遗产和材料。根据上述仿真环境设置和质量评价指标,建议进行性能分析,在中小学生的数量等级分为二级减速政策下的组织,,分别设置为“1∼10”,“11∼20日”“21日∼40岁”“41∼80”,“81∼160”和“160年> (26]。

图2描述了模糊匹配分布模型的学校听不清社会传统和文化数据推荐,在此基础上,实现学校的建议听不清社会传统和文化数据。它测试的平均绝对误差评估学校的听不清社会传统和文化数据推荐使用这个算法和传统推荐算法和程序。调查表明,这种方法的美中小学学生中有最小值在每个评分减少双重政策,这表明匹配程度的个性化功能需求和项目的兴趣点是最高的。比较实验结果如图的美3。

图4描述了权值的比较结果不同的方法和方法的个性化推荐听不清社会遗产和材料在学校和学院二级减速政策。同样,可以得出结论,这种方法的RMSE值最低,表明中小学生满意度得分最高和最好的推荐结果在这种方法下双减少政策和战略。

5。结论和未来的研究

摘要听不清社会遗产和材料的个性化推荐在学校的政策和战略下双减少研究主要满足个性化的需求,同时,大学和中学的学生的政策和战略下减少和改善网络服务质量的两倍。听不清社会遗产的个性化推荐算法和材料在学校双减少政策下基于联合模板特征提出了特征点匹配和兴趣挖掘。首先,听不清的评分模型和同态属性分布模型社会遗产和材料减少的双重政策下中小学生构建以信息管理平台在学校听不清社会遗产和材料的结构模型。联合模板匹配的概率密度特征分析方法用于构造听不清社会遗产的个性化推荐模型和材料在学校,然后是个性化特征分布和健身听不清社会遗产的参数提取和材料在学校下双减少政策执行,从而实现个性化特征的合理匹配需求和项目的兴趣点,实现个性化推荐下在学校听不清社会遗产和材料双重削减政策。

个性化推荐的结果表明,用这种方法在学校听不清社会遗产和材料有很高的分数,平均绝对误差和均方根误差很小,提高推荐质量的听不清在学校和社会遗产和材料具有良好的应用前景。在未来,我们将扩展这项工作与深度上优于神经网络模式。并将调查研究的模型精度。此外,我们将努力提出一个更新版本的算法,应该使用,机器学习方法来提高精度和性能质量。使用大数据和图像卷积网络模型一定会提高该技术的性能。过滤任务是计算密集型和匹配时间可以显著降低使用大数据分析和计算模型。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

本研究支持的重点项目资助的14日五年计划2021年河北省教育科学研究“制度建设的非物质文化遗产研究河北省中小学校本课程下的双重政策,减少“项目编号:2101013。