[发明专利]一种推荐效果好的课件推荐系统

权利要求书

1.一种推荐效果好的课件推荐系统，其特征在于，包括客户终端以及与所述客户终端通过网络连接的系统端，所述系统端包括成员挖掘子系统和课件推荐子系统，所述用户挖掘子系统用于从课件使用者中挖掘有影响力的用户，所述课件推荐子系统用于有影响力的用户向客户终端推荐课件。

2.根据权利要求1所述的推荐效果好的课件推荐系统，其特征在于，所述课件推荐子系统包含一课件数据库，所述有影响力的用户从课件数据库中向客户终端推荐课件。

3.根据权利要求2所述的推荐效果好的课件推荐系统，其特征在于，所述客户终端为计算机或者手机。

4.根据权利要求3所述的推荐效果好的课件推荐系统，其特征在于，所述用户挖掘子系统11包括用户网络建模模块、影响力分析模块和用户挖掘模块，所述用户网络建模模块用于建立用户网络模型，所述影响力分析模块用于根据用户网络模型对节点影响力进行分析，所述用户挖掘模块用于根据节点影响力对用户进行挖掘；具体采用以下方式建立所述用户网络模型：将每个用户看成一个节点，用三元组G＝(V,E,EH)表示用户网络，其中，EH表示各节点初始分值的集合，EH_G(v)表示节点v在用户网络G上的初始分值，v∈V表示节点，V表示节点集合，e∈E表示节点间的关系，E表示节点间的连接关系集合。

5.根据权利要求4所述的推荐效果好的课件推荐系统，其特征在于，所述影响力分析模块包括第一依赖度计算子模块、第二支持力计算子模块和第三影响力分析子模块，所述第一依赖度计算子模块用于计算节点的依赖度，所述第二支持力计算子模块用于根据节点的依赖度计算节点的支持力，所述第三影响力分析子模块用于根据节点的支持力对节点的影响力进行分析；具体采用以下方式计算节点的依赖度：对于任意节点u,v∈V，节点u对v的依赖度表示为：上述式子中，EH_G(u)表示节点u在用户网络G中的初始分值，EM(u→v)表示节点u对v的依赖度，G-v表示用户网络G断开节点v与其它节点连接后的用户网络；依赖度越小，节点间关系越疏远，依赖度越大，节点间关系越紧密。

6.根据权利要求5所述的推荐效果好的课件推荐系统，其特征在于，所述第二支持力计算子模块包括一次支持力计算单元和二次支持力计算单元，所述一次支持力计算单元用于计算节点的第一支持力，所述二次支持力计算单元用于计算节点的第二支持力；计算节点的第一支持力采用以下方式：(1)将用户网络转化为二元组G′＝(V,EM)，EM表示节点间的依赖度集合，对于节点u,v∈V，EM(u→v)表示节点u对v的依赖度；(2)在G′中，对于v∈V，v的最近邻集合为v依赖最大的节点的集合，用N(v)表示，v的反向最近邻集合为对v依赖最大的节点的集合，用RN(v)表示；(3)在G＝(V,EM)中，对于u∈V，则u的第一支持力可表示为：上述式子中，YW₁(u)表示节点u的第一支持力，|N(v)|表示v最近邻节点数目；计算节点的第二支持力采用以下方式：(1)将用户网络转化为二元组G′＝(V,EM)，EM表示节点间的依赖度集合，对于节点u,v∈V，EM(u→v)表示节点u对v的依赖度；(2)在G′中，对于v∈V，v的k近邻集合为v对节点依赖度在前k的节点的集合，用kN(v)表示，v的反向最近邻集合为对v依赖度在前k的节点的集合，用kRN(v)表示；(3)在G＝(V,EM)中，对于u∈V，则u的第二支持力可表示为：

上述式子中，YW₂(u)表示节点u的第二支持力，|kN(v)|表示v的k近邻节点数目。

7.根据权利要求6所述的推荐效果好的课件推荐系统，其特征在于，具体采用以下方式对节点的影响力进行分析：建立节点的影响力函数：上述式子中，LG(u)表示节点u的影响力函数值，影响力函数值越大，表明节点的影响力越大；具体采用以下方式进行对用户进行挖掘：计算用户的影响力函数值，选取影响力函数值最大的n个节点作为用户挖掘结果。