[发明专利]一种基于学习地图与协同过滤的员工个性化学习推荐方法

权利要求书

1.一种基于学习地图与协同过滤的员工个性化学习推荐方法，其特征在于，具体步骤 如下：

(1)学习地图建模

为便于计算员工学习地图的相似度，根据企业具体的岗位级别和员工能力标签以及现 有的在线课程学习内容，从数据库获取项目属性数据和员工属性数据存储在对应的数据库 表中，采用二进制编码建立员工学习地图矩阵模型，其矩阵形式为

(2)相似度计算

①计算员工学习地图相似度，定义员工k同员工l之间的学习地图相似度为α₁，计算方公 式为

α1=12sim(k,l);]]>

其中，0＜k＜N，0＜l＜N，0＜α₁＜1/2，I_k和I_l分别是员工k与员工l的学习地图矩阵，最 终相似度为员工学习地图相似度sim(k，l)的0.5倍；

②根据员工对学习资源项目的评分矩阵计算项目k和其他项目l之间的相似度α₂计算公 式如下：

α2=simI(k,l)=Σru∈ukl(ruk-r‾u)(rul-r‾u)Σru∈ukl(ruk-r‾u)2Σru∈ukl(rul-r‾u)2]]>

其中，0＜k，l＜N，u_kl为同时给两项目评分的公共员工集，r_uk，r_ul分别表示员工u对项目 k和l的评分，是员工对项目的平均评分；

利用Pearson相关系数计算员工间相似度β₂，

β2=simU(a,b)=Σru∈uab(rai-r‾a)(rbi-r‾b)Σru∈uab(rai-r‾a)2Σru∈uab(rbi-r‾b)2]]>

其中，u_ab为公共评分员工集，r_ai、r_bi分别是员工a和b对同一个项目i的评分，代 表员工的平均评分；

③计算最终学习资源项目间相似度和最终员工间相似度，员工学习地图的相似度和基 于员工评分的员工间相似度是正相关的，最终的相似度计算公式为，

学习资源项目相似度：α＝α₂

员工间相似度β＝α₁+β₂；

(3)构建推荐列表

根据相似度分别对项目和员工进行排序，选择top-k个相应项目和员工作为邻居，对于 目标员工u_c的已访问学习资源项目集合I中的每一个项目I_k，0＜k＜N，根据相似度将I_k的所 有邻居项目I_l集合包含进候选项目集合，

Ik′=(∪IkIl)-Ik]]>

对于候选项目集合I′_k中的统计I′_ki与I_k的累加相似度 sim(Iki′,Ik)=ΣIk∈Isim(Iki′,I);]]>

根据所有候选项目I′_ki的累加相似度sim(I′_ki，I_k)，选择累加相似度最大的n个未访问 项目构成有序top-n推荐列表1；

根据步骤(2)中③计算的相似度选择top-k个作为员工邻居，对未评分项目进行评分预 测，然后按照估算评分值次序将最大的n个未访问项目构成top-n推荐列表2；

最后，设置参数n构成推荐列表1和推荐列表2，从中选取两列表中最值得推荐的项目作 为最终推荐列表推荐给目标员工。

2.根据权利要求1所述的基于学习地图与协同过滤的员工个性化学习推荐方法，其特 征在于，所述步骤(3)中，员工a对项目k的评分预测通过如下公式计算，

P(a,k)=r‾a+Σu∈uabsim(a,u)×(rak-r‾u)Σu∈uabsim(a,u)]]>

其中，是员工a的平均评分，r_ak是a对项目k的评分，u_ab代表公共评分集。