欧阳理文

摘 要 不同的用户对信息有着不同的需求，因而，优化信息个性化推荐系统非常重要。个性化推荐使得信息资源从被动的等待用户搜索，转变为主动推送。

关键词 信息搜索 资源个性化推荐

中图分类号：G434 文献标识码：A

大数据时代的信息呈现的是信息量巨大、传播速度极快以及资源可共享。这一进步对社会各个行业各个层面都是颇有益处的，对于促进行业发展和优化，信息资源整合与最优化利用，都十分重要。然而，我们也意识到，任何发展都有双面性，信息化迅猛发展的势头给我们带来很大的便捷，同时也带给我们一个很大的困惑，那就是在巨大的信息量冲击下，使用者在信息搜索、鉴别、筛选上要花费很大的精力，做很多无用功，反而适得其反。

信息资源个性化推荐系统应运而生，也正是有效解决这一问题的有效举措。主要是指通过搜索者输入的关键词，在信息数据库中进行检索，并通过相关数据分析搜索者的兴趣偏好，进行相关信息推荐。其中，包括注册用户的个人信息、学历、地区、兴趣爱好等等。不同的用户对信息有着不同的需求，因而，优化信息个性化推荐系统非常重要。个性化推荐使得信息资源从被动的等待用户搜索，转变为主动推送。本文就如何优化教育资源个性化推荐提出个人见解，以供参考。

1推荐系统应用现状

個性化推荐是围绕具体的用户、用户的个性偏好进行信息推荐的系统。在现代信息化社会，个性化推荐系统在商业领域使用较为广泛和成熟，例如淘宝商城，以促进消费实现商业利益为目的，对用户浏览 记录、购买记录等进行分析推荐，提供出看了又看、你可能喜欢、附近人都在买等等推荐列表，最大化实现客户转化和成交，不得不说这对淘宝迅速发展成为全球最大的电商平台起到很大的促进作用。

在教育信息方面，推荐系统正慢慢被广泛认可和采用，各方面技术都还不完备，需要我们非常重视。

2推荐策略研究

教育信息个性化推荐系统是为了最大化的提高用户体验，以确保信息资源库中的存储可以最适量的去满足全体用户的需求。推荐系统实际上可以看做是搜索引擎系统的一个补充延展，可以为用户推送搜索系统无法找到的资源信息。推荐系统本质上是根据已发生的用户需求和用户体验，进行推算和推送，是对信息进行协同过滤的过程，具体推送方式一般有三种：

2.1基于用户协同推送

对用户个性化偏好的了解程度直接影响着为客户推荐信息的准确程度，用户信息数据一般分为两类：一是用户显性信息，即个人情况，如姓名年龄等，这类信息一般是固定而准确的，不会发生太大变化。二是隐性信息，例如用户搜索信息中出现次数较多的关键词，浏览页面时间等等，这一类信息是会随着用户自身的成长和实践积累发生变化的。通过相似性统计将较为相似的用户归于一类，主要是以用户的兴趣爱好和偏好为主要依据，进行推送，大致分为以下几步：

2.1.1统计用户浏览信息

这一部分的信息有两方面，一是用户的评分，例如喜欢或是不喜欢，有用或是没用，或是数字评分。二是隐性信息，具体包括用户检索信息关键词、常用关键词、页面打开时间长短、浏览速度、下载次数、分享次数等等。通过分析用户对信息平台信息资源的需要，推送相关信息和类似信息，可以优先使用户进行同类信息对比筛选，并拓宽相关信息链接，有效节省时间。

2.1.2相似用户搜索推荐

各个信息平台都有自己的注册用户，用户注册时一般会提供自己的真实相关信息，例如年龄、所在地区、受教育程度、工作情况、兴趣爱好等等。这些信息是信息平台对用户个性化推荐进行基本定位的重要数据。

搜索平台将信息相似的用户进行归类，对其共同感兴趣的信息进行统计，按其相似度进行相关推送。

2.2基于项目协同推送

此类推送以信息内容为主体，同样以用户体验为依据之一，但不需要收集用户的历史信息，其推送率也比较稳定。其推送大致分为以下几步：

首先统计用户对信息的评分（主要是显性评分），接下来对相似信息内容的评分进行比对统计，对同类信息内容进行相似度计算，向用户推送相似内容且评分高低相似的信息。在用户对信息内容进行评价或打分后，直接向用户推送跟用户所浏览信息相似的信息内容。

2.3基于模型协同推送

以上两种方式都是以计算机记忆为前提，对大量数据进行分析比对后得出的结果，弊端就是在信息不完善的情况下，推送信息的价值大打折扣。模型协同推送是指计算机对历史资料进行建构分析，形成一个模型，对用户需求进行预测，进而推送的过程。

3信息保护

作为信息资源平台，对信息推送的优化式很重要的。同时，对信息保密的维护也是很重要的。这包括两个方面：一是对用户个人信息的保密，各个平台都应当遵循对客户信息资料保密不外泄的原则，这是对用户最基本的尊重。二是对教育信息提供者或教育信息来源的尊重和维护，即对知识产权的尊重。这是教育信息资源平台得以发展的基本前提和保障。

4小结

我们大力倡导教育资源个性化推荐，是时代发展所需，是大势所趋。对于用户，提供最为优质的资源推送，满足其学习愿望和目的。对于信息资源开发者，实现其价值和利益最大化，同时促进其在本领域的进一步发展提升。对于信息推送平台，达到整合资源，实现最优化配置，实现共赢。

参考文献

[1] 张平昇.协同过滤在个性推荐中的应用[J].数学技术与应用，2015（12）：19.

[2] 李婷.教育信息资源个性化推荐服务模式研究[J].中国远程教育，2016（02）：31.