1、协协 同同 过过 滤滤 推推 荐荐 算算 法法2011年11月17日计算机应用技术一：协同过滤算法综述一：协同过滤算法综述二：在个性化服务中的应用二：在个性化服务中的应用计算机应用技术综述综述算法简介算法简介相似性比较方法相似性比较方法用户用户- -项目矩阵稀疏性问题及解决办法项目矩阵稀疏性问题及解决办法冷启动问题冷启动问题推荐速度推荐速度推荐策略推荐策略评估方法评估方法 计算机应用技术一 算法简介 随着互联网的普及，网络资源的激增，用户很难快速找到需要随着互联网的普及，网络资源的激增，用户很难快速找到需要的信息。为了提供精确而又快速的推荐的信息。为了提供精确而又快速的推荐, , 研究者提出了
2、多种推荐算研究者提出了多种推荐算法法, , 其中协同过滤推荐算法是应用最为成功的一种。其中协同过滤推荐算法是应用最为成功的一种。 协同过滤这一概念首次于协同过滤这一概念首次于1992 1992 年由年由GoldbergGoldberg、NicolsNicols、OkiOki及及TerryTerry提出提出, ,应用于应用于TapestryTapestry系统系统, , 该系统仅适用较小用户群该系统仅适用较小用户群( (比如比如, , 某一个单位内部某一个单位内部),),而且对用户有过多要求而且对用户有过多要求( (比如比如, ,要求用户显式的要求用户显式的给出评价给出评价).).目前目前, ,
3、许多电子商务网站都已经使用了推荐系统许多电子商务网站都已经使用了推荐系统, , 如如AmazonAmazon、CDNowCDNow、DrugstoreDrugstore，当当网上书店和，当当网上书店和Moviefinder Moviefinder 等。等。计算机应用技术一 算法简介 目前主要有两类协同过滤推荐算法目前主要有两类协同过滤推荐算法: : 基于用户基于用户的协同过的协同过滤推荐算法和滤推荐算法和基于项目基于项目的协同过滤推荐算法的协同过滤推荐算法. . 基于用户的协同过滤推荐算法基于这样一个假设基于用户的协同过滤推荐算法基于这样一个假设, , 即如果用户即如果用户对一些项目的评分比较
4、相似对一些项目的评分比较相似, , 则他们对其他项目的评分也比较相似则他们对其他项目的评分也比较相似. . 算法根据算法根据目标用户的最近邻居目标用户的最近邻居( (最相似的若干用户最相似的若干用户) )对某个项目的评对某个项目的评分逼近目标用户对该项目的评分分逼近目标用户对该项目的评分. . 基于项目的协同过滤推荐算法认为基于项目的协同过滤推荐算法认为, , 用户对不同项目的评分存用户对不同项目的评分存在相似性在相似性, , 当需要估计用户对某个项目的评分时当需要估计用户对某个项目的评分时, , 可以用户对可以用户对该项该项目的若干相似项目目的若干相似项目的评分进行估计的评分进行估计. .计
5、算机应用技术一 算法简介 1.1.存在两个问题：存在两个问题： 稀疏性：稀疏性： 在推荐系统中在推荐系统中, ,每个用户涉及的信息相当有限每个用户涉及的信息相当有限 , ,用户所评价或用户所评价或者购买的产品占产品总数的比例很小者购买的产品占产品总数的比例很小, ,造成用户造成用户项目偏好矩项目偏好矩阵非常稀疏阵非常稀疏 , ,很难找到相似用户很难找到相似用户 , ,推荐性能可能很差。推荐性能可能很差。 扩展性：扩展性： 是指发现相似关系的运算法则通常需要很长的计算时间是指发现相似关系的运算法则通常需要很长的计算时间 , ,并且并且时间会随着用户数目和产品数目的增加而增加时间会随着用户数目和产
6、品数目的增加而增加 , ,特别是在在线特别是在在线实时推荐中实时推荐中 , ,这是一个急需解决的问题。这是一个急需解决的问题。2.2.基于协同过滤技术的推荐过程可分为基于协同过滤技术的推荐过程可分为 3 3个阶段个阶段: : 数据表述数据表述; ;发现最近邻居发现最近邻居; ;产生推荐数据集。产生推荐数据集。计算机应用技术二：相似性比较方法 相似性计算是协同过滤推荐算法中最关键的一相似性计算是协同过滤推荐算法中最关键的一步，传统的相似度计算方法有以下几种：步，传统的相似度计算方法有以下几种：1.1.余弦相似性余弦相似性 把用户评分看作把用户评分看作n n 维项目空间上的向量维项目空间上的向量,
7、 , 用户间的相似性通用户间的相似性通过过向量间的余弦夹角向量间的余弦夹角度量度量, , 设用户设用户i i和用户和用户j j在在n n 维项目空间上维项目空间上的评分分别表示为向量的评分分别表示为向量, , 则用户则用户i i和用户和用户j j之间的相似性为之间的相似性为: :计算机应用技术二：相似性比较方法2.2.修正的余弦相似性修正的余弦相似性 余弦相似性度量方法中没有考虑余弦相似性度量方法中没有考虑不同用户的评分尺度不同用户的评分尺度问题问题, , 修正的余弦相似性度量方法通过减去用户对项目的平均评分来修正的余弦相似性度量方法通过减去用户对项目的平均评分来改善上述缺陷。改善上述缺陷。计
8、算机应用技术二：相似性比较方法3.3.相关相似性相关相似性 设经用户设经用户i i和用户和用户j j共同评分的项目集合共同评分的项目集合用用IijIij表示表示, ,则用户则用户i i 和用户和用户j j 之间的相似性之间的相似性sim ( i, j )sim ( i, j )通过通过Pearson Pearson 相关系数度相关系数度量：量：计算机应用技术二：相似性比较方法 余弦相似性度量方法把用户评分看作一个向量余弦相似性度量方法把用户评分看作一个向量, , 用向量的余弦夹用向量的余弦夹角度量用户间的相似性角度量用户间的相似性, , 然而没有包含用户评分的然而没有包含用户评分的统计特征统计
9、特征; ; 修正的余弦相似性方法在余弦相似性基础上修正的余弦相似性方法在余弦相似性基础上, , 减去了用户对项目减去了用户对项目的平均评分的平均评分, , 然而该方法更多体现的是然而该方法更多体现的是用户之间的相关性用户之间的相关性而非相似性而非相似性, , 相关性和相似性是两个不同的概念相关性和相似性是两个不同的概念, ,相似性反映的是聚合特点相似性反映的是聚合特点, , 而相关而相关性反映的是组合特点性反映的是组合特点; ; 相似相关性方法相似相关性方法, , 依据双方共同评分的项目进行用户相似性评价依据双方共同评分的项目进行用户相似性评价, ,如果用户间的所有评分项目均为共同评分项目如果
10、用户间的所有评分项目均为共同评分项目, , 那么相似相关性和修那么相似相关性和修正的余弦相似性是等同的正的余弦相似性是等同的. . 用户对共同评分项目的评分确实能很好地用户对共同评分项目的评分确实能很好地体现用户的相似程度体现用户的相似程度, , 但由于用户评分数据的但由于用户评分数据的极端稀疏性极端稀疏性, , 用户间共用户间共同评分的项目极稀少同评分的项目极稀少, , 使得相似相关性评价方法实际不可行使得相似相关性评价方法实际不可行. . 计算机应用技术三： 用户-项目矩阵稀疏性问题及解决办法1.1.矩阵填充技术矩阵填充技术 最简单的填充办法就是将用户对未评分项目的评分设为一个固最简单的填
11、充办法就是将用户对未评分项目的评分设为一个固定的缺省值定的缺省值, , 或者设为其他用户对该项目的平均评分或者设为其他用户对该项目的平均评分. . 然而用户对然而用户对未评分项目的评分不可能完全相同未评分项目的评分不可能完全相同, ,这种办法不能从根本上解决稀疏这种办法不能从根本上解决稀疏性问题性问题. . 能够产生较理想的推荐效果能够产生较理想的推荐效果, , 矩阵填充技术主要有以下几类矩阵填充技术主要有以下几类: :1.1 BP 1.1 BP 神经网络神经网络 BP BP 神经网络对复杂的输入输出关系有比较强大的学习和建模能神经网络对复杂的输入输出关系有比较强大的学习和建模能力力, ,能够
12、有效地处理非完整信息。能够有效地处理非完整信息。BPBP神经网络是一个神经网络是一个3 3层网络层网络, ,分别为分别为输入层、隐含层和输出层输入层、隐含层和输出层. . 计算机应用技术三 ： 用户-项目矩阵稀疏性问题及解决办法 BP BP 神经网络把用户对各个项目的评分看作训练样本神经网络把用户对各个项目的评分看作训练样本, , 分别输入到输入分别输入到输入层的各个单元中层的各个单元中; ; 这些单元经过加权这些单元经过加权, , 输出到隐含层的各个单元输出到隐含层的各个单元; ; 隐含层隐含层的加权输出再经过一次加权作为输出层的单元输入的加权输出再经过一次加权作为输出层的单元输入; ; 最
13、后由输出层产生给最后由输出层产生给定样本的预测值定样本的预测值. .这种矩阵填充技术对这种矩阵填充技术对噪声数据有较强的承受能力噪声数据有较强的承受能力, , 可以有可以有效效降低用户降低用户- -项目矩阵的稀疏性项目矩阵的稀疏性, , 达到提高推荐精度的目的达到提高推荐精度的目的. . 然而然而,BP ,BP 算法算法的缺点为存在随着训练时间的增加的缺点为存在随着训练时间的增加, , 收敛速度有变慢的趋势收敛速度有变慢的趋势, ,以致会以致会延长最延长最近邻居的查找时间近邻居的查找时间. . 计算机应用技术三 ： 用户-项目矩阵稀疏性问题及解决办法1.2 Naive Bayesian 1.2
14、 Naive Bayesian 分类方法分类方法 Naive Bayesian Naive Bayesian 分类方法基于分类方法基于概率模型概率模型进行分类进行分类, ,可以使用该可以使用该方法估算一个实例属于某一类的概率方法估算一个实例属于某一类的概率, , 在得到某一个项目所属的分在得到某一个项目所属的分类之后类之后, , 可以利用此分类中其他项目的评分情况来预测未评分项目可以利用此分类中其他项目的评分情况来预测未评分项目的评分的评分, , 从而可以填充用户从而可以填充用户- -项目矩阵项目矩阵, , 降低稀疏性降低稀疏性. .1.3 1.3 基于内容的预测基于内容的预测 基于内容的预测
15、又称基于基于内容的预测又称基于属性属性的预测或基于的预测或基于语义语义的预测的预测, , 该方法该方法根据项目的属性联系以及项目所处的地位、相互关系和项目元信息根据项目的属性联系以及项目所处的地位、相互关系和项目元信息等内容计算项目之间的内容相似性等内容计算项目之间的内容相似性, , 而而不依赖于用户对项目的评分不依赖于用户对项目的评分. .计算机应用技术三 用户-项目矩阵稀疏性问题及解决办法 得到项目之间的内容相似性后得到项目之间的内容相似性后, , 选择与目标项目相似性最大的选择与目标项目相似性最大的若干个项目进行评分预测若干个项目进行评分预测, , 用预测评分填充用户用预测评分填充用户-
16、 -项目矩阵中的空项目矩阵中的空项项, , 降低其稀疏性降低其稀疏性. . 由于不同类别的项目之间在属性描述上有较由于不同类别的项目之间在属性描述上有较大差别大差别, , 因此基于语义的方法无法计算跨类别的项目之间的相似因此基于语义的方法无法计算跨类别的项目之间的相似性性, , 也就无法进行跨类别的评分预测也就无法进行跨类别的评分预测. .另外基于语义的相似性计算另外基于语义的相似性计算需要提取项目的属性特征需要提取项目的属性特征, ,涉及到领域知识涉及到领域知识, , 应用面较窄应用面较窄. .2.2.矩阵降维技术矩阵降维技术- -奇异值分解奇异值分解 通过降低用户通过降低用户- -项目矩阵
17、的维数解决矩阵的稀疏性问题项目矩阵的维数解决矩阵的稀疏性问题, , 奇异奇异值分解值分解(Singular Value Decompo sition, SVD)(Singular Value Decompo sition, SVD)是一种矩阵分解是一种矩阵分解技术技术, , 它深刻揭露了矩阵的内部结构它深刻揭露了矩阵的内部结构, , 它可以将一个它可以将一个m mn (n (假设假设m m n)n)的矩阵的矩阵R R分解为分解为三个矩阵三个矩阵U,S,VU,S,V, ,大小分别为大小分别为m mm,mm,mn,nn,nn .n .计算机应用技术三 用户-项目矩阵稀疏性问题及解决办法 协同过滤推
18、荐系统中协同过滤推荐系统中SVD SVD 的的优势优势主要体现在主要体现在: : 用户用户- -项目矩阵稀项目矩阵稀疏性问题得到很好的解决疏性问题得到很好的解决; ;对用户对用户- -项目矩阵降维后项目矩阵降维后, , 运算复杂度运算复杂度大大降低大大降低, , 系统的扩展性得到提升系统的扩展性得到提升; ; 用户间和项目间的潜在关系用户间和项目间的潜在关系将得到更好的发掘将得到更好的发掘, , 有利于提高推荐精度有利于提高推荐精度.SVD .SVD 方法的方法的缺点缺点为为: : 降降维会导致用户维会导致用户- -项目矩阵中的信息丢失项目矩阵中的信息丢失, ,有的情况下会影响推荐精有的情况下
19、会影响推荐精度度, , 通过选取合适的保留维数通过选取合适的保留维数k,k,可以在一定程度上减小这种影响可以在一定程度上减小这种影响. . 总的来说总的来说, SVD , SVD 方法不仅能够解决矩阵稀疏性问题方法不仅能够解决矩阵稀疏性问题, , 而且对于而且对于系统的扩展性和推荐精度的提高也有作用系统的扩展性和推荐精度的提高也有作用. .计算机应用技术四：冷启动问题1) 1) 在在U ser-based U ser-based 系统中系统中, , 对于一个新的用户来说对于一个新的用户来说, , 系统中没系统中没有该用户的任何购买信息记录有该用户的任何购买信息记录, , 因此无法找到其最近邻居
20、因此无法找到其最近邻居, , 从而从而无法进行推荐无法进行推荐. .2) 2) 在在 Item - based Item - based 系统中系统中, , 当系统中加入一个新的项目时当系统中加入一个新的项目时, , 该项目没有评分记录该项目没有评分记录, , 无法找出其最近邻居并进行推荐或评分预无法找出其最近邻居并进行推荐或评分预测测. . 协同过滤推荐系统中存在的这种问题被称为冷启动问题协同过滤推荐系统中存在的这种问题被称为冷启动问题. . 为了解决为了解决冷启动问题冷启动问题, , 普遍采用普遍采用基于内容的最近邻居查找技术基于内容的最近邻居查找技术, , 其基本思想是其基本思想是: :
21、1) 1) 利用利用聚类技术将用户按照属性相似性聚类聚类技术将用户按照属性相似性聚类, , 从项目属性的角从项目属性的角度找到新项目的最近邻居度找到新项目的最近邻居; ;2) 2) 用新项目用新项目k k的所有的所有最近邻居的平均评分最近邻居的平均评分来代替已有评分的平均来代替已有评分的平均值值. .例如：先对项目进行聚类，得到项目在属性特征上的相似关系群，然后例如：先对项目进行聚类，得到项目在属性特征上的相似关系群，然后与用户与用户- -项目评分矩阵中的协同相似关系群组合。项目评分矩阵中的协同相似关系群组合。计算机应用技术五：推荐速度 电子商务系统中电子商务系统中, , 由于由于项目项目在一
22、定时期内通常是相对稳定的在一定时期内通常是相对稳定的, , 项目相似性的计算可以项目相似性的计算可以离线进行离线进行, ,这就使得与基于用户的协同过这就使得与基于用户的协同过滤推荐系统相比滤推荐系统相比, , 基于项目的协同过滤推荐系统的运行效率较基于项目的协同过滤推荐系统的运行效率较高高. . 随着用户数和项目数的增多随着用户数和项目数的增多, , 协同过滤推荐算法的计算量也协同过滤推荐算法的计算量也不断增大不断增大. . 通常采用通常采用聚类技术提高推荐速度聚类技术提高推荐速度, , 因为使用聚类技因为使用聚类技术可以术可以大大缩小用户或项目的最近邻居搜索范围大大缩小用户或项目的最近邻居搜
23、索范围, , 从而提高推从而提高推荐的实时性荐的实时性. .计算机应用技术五：推荐速度1.1.EM (Expectation-Maximization)EM (Expectation-Maximization)算法算法 EM EM算法通过估计用户或项目属于某一类的概率对用户或项算法通过估计用户或项目属于某一类的概率对用户或项目进行聚类目进行聚类. . 在实际的聚类中在实际的聚类中, , 不同的用户可能会喜欢同一个项目不同的用户可能会喜欢同一个项目, ,根据根据 EM EM 算法算法, , 这样的项目可能会同时出现在两个不同的聚类中这样的项目可能会同时出现在两个不同的聚类中. . 如如果要求每个
24、用户或项目只能属于一个用户分类或项目分类果要求每个用户或项目只能属于一个用户分类或项目分类, EM , EM 算法就不再适用算法就不再适用. .计算机应用技术五：推荐速度2.2.k-meansk-means聚类算法聚类算法 以项目聚类为例以项目聚类为例, k, k- -means means 聚类算法通过用户对项目评分聚类算法通过用户对项目评分的相似性对项目进行聚类并生成相应的聚类中心的相似性对项目进行聚类并生成相应的聚类中心, , 然后计算目然后计算目标项目与各聚类中心的相似度标项目与各聚类中心的相似度, , 选出与目标项目相似度最高的选出与目标项目相似度最高的k k 个聚类中心对应的聚类个
25、聚类中心对应的聚类, , 在这在这k k 个聚类中搜索目标项目的最近个聚类中搜索目标项目的最近邻居邻居, , 从而达到在尽量少的项目空间中找到目标项目的大部分从而达到在尽量少的项目空间中找到目标项目的大部分最近邻居最近邻居. K. K- -means means 聚类算法的聚类算法的优点优点在于不同聚类中的项目之在于不同聚类中的项目之间有较明显的区别间有较明显的区别, , 而且算法的扩展性相对较好而且算法的扩展性相对较好. . 缺点缺点是聚类是聚类数目数目k k 需要事先给定而且不同的应用中需要事先给定而且不同的应用中k k 值是不同的值是不同的, , 难于选难于选取取; ; 另外初始聚类中心
26、是随机选取的另外初始聚类中心是随机选取的, , 对于同一组数据对于同一组数据, , 可能可能因为初始聚类中心的不同而产生不同的聚类结果因为初始聚类中心的不同而产生不同的聚类结果. .计算机应用技术五：推荐速度3.3.Gibbs Sampling Gibbs Sampling 方法方法 Gibbs Sampling Gibbs Sampling 方法与方法与EM EM 算法类似算法类似, , 不同的是不同的是Gibbs Gibbs SamplinSampling g方法基于方法基于Bayesian Bayesian 模型模型. Gibbs Samp ling . Gibbs Samp ling
27、算法有较算法有较好的聚类效果和很强的扩展性好的聚类效果和很强的扩展性, , 但是其算法复杂度较大但是其算法复杂度较大. . 聚类聚类过程相对比较耗时过程相对比较耗时, , 但是可以离但是可以离线进行，线进行， 而且目标项目的最近而且目标项目的最近邻居搜索范围缩小到几个聚类中邻居搜索范围缩小到几个聚类中, , 远远小于整个项目空间远远小于整个项目空间计算机应用技术五：推荐速度4.4.模糊聚类模糊聚类 模糊聚类与聚类的模糊聚类与聚类的区别区别在于前者不需要预先给定聚类的数目在于前者不需要预先给定聚类的数目, , 而是通过而是通过一定的阈值一定的阈值来确定对象的相似类别来确定对象的相似类别. . 模
28、糊聚类利用模模糊聚类利用模糊等价关系将给定的对象分为一些等价类糊等价关系将给定的对象分为一些等价类, , 并由此得到与关系并由此得到与关系对应的模糊相似矩阵对应的模糊相似矩阵, , 该模糊相似矩阵满足传递性该模糊相似矩阵满足传递性. .根据相似矩根据相似矩阵求出其传递关系的闭包阵求出其传递关系的闭包, , 然后在传递关系的闭包上实现分类然后在传递关系的闭包上实现分类: : 模糊聚类过程可以模糊聚类过程可以离线进行离线进行, ,不会给推荐系统的实时性带来不会给推荐系统的实时性带来负担负担. . 同时模糊聚类对于解决数据稀疏性带来的冷启动问题也同时模糊聚类对于解决数据稀疏性带来的冷启动问题也有很好
29、的效果有很好的效果. .计算机应用技术六：推荐策略1.1.平均加权策略平均加权策略 目前大多数协同过滤推荐系统都采用平均加权策略产生推荐目前大多数协同过滤推荐系统都采用平均加权策略产生推荐, ,平均加权策略在产生推荐的时候综合考虑了用户对所有项目的平均加权策略在产生推荐的时候综合考虑了用户对所有项目的评分情况评分情况. . 在用户评价过的项目数较多时在用户评价过的项目数较多时, , 这种方法是合理的这种方法是合理的而且实验证明有较好的推荐效果而且实验证明有较好的推荐效果, , 当用户评价过的项目数较少当用户评价过的项目数较少时时, , 个别项目的评分就会对平均评分产生较大影响个别项目的评分就会
30、对平均评分产生较大影响, , 这种情况这种情况下平均评分无法反映用户对大多数项目的评分情况下平均评分无法反映用户对大多数项目的评分情况. .计算机应用技术六：推荐策略2.2.基于评分频度的推荐策略基于评分频度的推荐策略 电子商务中用户评分通常为离散值电子商务中用户评分通常为离散值, , 比如比如1, 2, 3, 4, 5,1, 2, 3, 4, 5,基于评分频度的推荐策略首先用统计的方法计算最近邻居集中基于评分频度的推荐策略首先用统计的方法计算最近邻居集中用户给出的各种评分的出现频率用户给出的各种评分的出现频率, , 然后将评分频率最高的那个然后将评分频率最高的那个分值作为目标用户的预测评分分
31、值作为目标用户的预测评分. . 该推荐策略用户对大多数邻居该推荐策略用户对大多数邻居的评分情况的评分情况, , 实验证明实验证明, , 在最近邻居数较少时在最近邻居数较少时, , 推荐效果优于推荐效果优于平均加权策略平均加权策略计算机应用技术七：评估方法. 推荐质量的评价标准主要有统计精度度量和决策支持推荐质量的评价标准主要有统计精度度量和决策支持精度度量方法两类精度度量方法两类. . 统计精度度量方法中常用的是平均绝统计精度度量方法中常用的是平均绝对偏差对偏差MAEMAE(Mean Absolute Error) ;(Mean Absolute Error) ;决策支持精度度量决策支持精度度
32、量方法中主要有方法中主要有召回率召回率 (Recall)(Recall)、准确率准确率(Precision)(Precision)及及ROCROC(Receiver Operating Characteristic)(Receiver Operating Characteristic)等三种方法等三种方法. .计算机应用技术 谢谢 谢谢计算机应用技术11醉翁亭记醉翁亭记 1反复朗读并背诵课文，培养文言语感。反复朗读并背诵课文，培养文言语感。2结合注释疏通文义，了解文本内容，掌握文本写作思路。结合注释疏通文义，了解文本内容，掌握文本写作思路。3把握文章的艺术特色，理解虚词在文中的作用。把握文章的
33、艺术特色，理解虚词在文中的作用。4体会作者的思想感情，理解作者的政治理想。一、导入新课范仲淹因参与改革被贬，于庆历六年写下岳阳楼记，寄托自己体会作者的思想感情，理解作者的政治理想。一、导入新课范仲淹因参与改革被贬，于庆历六年写下岳阳楼记，寄托自己“先天下之忧而忧，后天下之乐而乐先天下之忧而忧，后天下之乐而乐”的政治理想。实际上，这次改革，受的政治理想。实际上，这次改革，受到贬谪的除了范仲淹和滕子京之外，还有范仲淹改革的另一位支持者到贬谪的除了范仲淹和滕子京之外，还有范仲淹改革的另一位支持者北宋大文学家、史学家欧阳修。他于庆历五年被贬谪到滁州，也就是今天的安徽省滁州市。也是在此期间，欧阳修在滁州
34、留下了不北宋大文学家、史学家欧阳修。他于庆历五年被贬谪到滁州，也就是今天的安徽省滁州市。也是在此期间，欧阳修在滁州留下了不逊于岳阳楼记的千古名篇逊于岳阳楼记的千古名篇醉翁亭记。接下来就让我们一起来学习这篇课文吧！【教学提示】结合前文教学，有利于学生把握本文写作背景，进而加深学生对作品含义的理解。二、教学新课目醉翁亭记。接下来就让我们一起来学习这篇课文吧！【教学提示】结合前文教学，有利于学生把握本文写作背景，进而加深学生对作品含义的理解。二、教学新课目标导学一：认识作者，了解作品背景作者简介：欧阳修标导学一：认识作者，了解作品背景作者简介：欧阳修(10071072)，字永叔，自号醉翁，晚年又号，
35、字永叔，自号醉翁，晚年又号“六一居士六一居士”。吉州永丰。吉州永丰(今属江西今属江西)人，因吉州原属庐陵郡，因此他又以人，因吉州原属庐陵郡，因此他又以“庐陵欧阳修庐陵欧阳修”自居。谥号文忠，自居。谥号文忠，世称欧阳文忠公。北宋政治家、文学家、史学家，与韩愈、柳宗元、王安石、苏洵、苏轼、苏辙、曾巩合称世称欧阳文忠公。北宋政治家、文学家、史学家，与韩愈、柳宗元、王安石、苏洵、苏轼、苏辙、曾巩合称“唐宋八大家唐宋八大家”。后人又将其与韩愈、柳宗元和苏轼合称。后人又将其与韩愈、柳宗元和苏轼合称“千古文章四大家千古文章四大家”。关于关于“醉翁醉翁”与与“六一居士六一居士”：初谪滁山，自号醉翁。既老而衰且
36、病，将退休于颍水之上，则又更号六一居士。客有问曰：初谪滁山，自号醉翁。既老而衰且病，将退休于颍水之上，则又更号六一居士。客有问曰：“六一何谓也？六一何谓也？”居士曰：居士曰：“吾家藏书一万卷，集录三代以来金石遗文一千卷，吾家藏书一万卷，集录三代以来金石遗文一千卷，有琴一张，有棋一局，而常置酒一壶。有琴一张，有棋一局，而常置酒一壶。”客曰：客曰：“是为五一尔，奈何？是为五一尔，奈何？”居士曰：居士曰：“以吾一翁，老于此五物之间，岂不为六一乎？以吾一翁，老于此五物之间，岂不为六一乎？”写作背景：宋仁宗庆历五年写作背景：宋仁宗庆历五年(1045年年)，参知政事范仲淹等人遭谗离职，欧，参知政事范仲淹等
37、人遭谗离职，欧阳修上书替他们分辩，被贬到滁州做了两年知州。到任以后，他内心抑郁，但还能发挥阳修上书替他们分辩，被贬到滁州做了两年知州。到任以后，他内心抑郁，但还能发挥“宽简而不扰宽简而不扰”的作风，取得了某些政绩。醉翁亭记就是在这个时期写就的。目标导学二：朗读文章，通文顺字的作风，取得了某些政绩。醉翁亭记就是在这个时期写就的。目标导学二：朗读文章，通文顺字1初读文章，结合工具书梳理文章字词。初读文章，结合工具书梳理文章字词。2朗读文章，划分文章节奏，标出节奏划分有疑难的语句。节奏划分示例朗读文章，划分文章节奏，标出节奏划分有疑难的语句。节奏划分示例环滁环滁/皆山也。其皆山也。其/西南诸峰，林壑
38、西南诸峰，林壑/尤美，望之尤美，望之/蔚然而深秀者，琅琊也。山行蔚然而深秀者，琅琊也。山行/六七里，渐闻六七里，渐闻/水声潺潺，而泻出于水声潺潺，而泻出于/两峰之间者，酿泉也。峰回两峰之间者，酿泉也。峰回/路转，有亭路转，有亭/翼然临于泉上者，醉翁亭也。作亭者翼然临于泉上者，醉翁亭也。作亭者/谁？山之僧谁？山之僧/曰曰/智仙也。名之者智仙也。名之者/谁？太守谁？太守/自谓也。太守与客来饮自谓也。太守与客来饮/于此，饮少于此，饮少/辄醉，而辄醉，而/年又最高，故年又最高，故/自号曰自号曰/醉翁也。醉翁之意醉翁也。醉翁之意/不在酒，在乎不在酒，在乎/山水之间也。山水之乐，得之心山水之间也。山水之乐
39、，得之心/而寓之酒也。节奏划分思考而寓之酒也。节奏划分思考“山行山行/六七里六七里”为什么不能划分为为什么不能划分为“山山/行六七里行六七里”？明确：明确：“山行山行”意指意指“沿着山路走沿着山路走”，“山行山行”是个状中短语，不能将其割裂。是个状中短语，不能将其割裂。“望之望之/蔚然而深秀者蔚然而深秀者”为什么不能划分为为什么不能划分为“望之蔚然望之蔚然/而深秀者而深秀者”？明确：？明确：“蔚然而深秀蔚然而深秀”是两个并列的词，不宜割裂，是两个并列的词，不宜割裂，“望望之之”是总起词语，故应从其后断句。【教学提示】引导学生在反复朗读的过程中划分朗读节奏，在划分节奏的过程中感知文意。对于部分结
40、构复杂的句子，教师可做适当的讲解引导。目标导学三：结合注是总起词语，故应从其后断句。【教学提示】引导学生在反复朗读的过程中划分朗读节奏，在划分节奏的过程中感知文意。对于部分结构复杂的句子，教师可做适当的讲解引导。目标导学三：结合注释，翻译训练释，翻译训练1学生结合课下注释和工具书自行疏通文义，并画出不解之处。【教学提示】节奏划分与明确文意相辅相成，若能以节奏划分引导学生明确文意最好；若学生理解有限，亦可在解读文意后把学生结合课下注释和工具书自行疏通文义，并画出不解之处。【教学提示】节奏划分与明确文意相辅相成，若能以节奏划分引导学生明确文意最好；若学生理解有限，亦可在解读文意后把握节奏划分。握节
41、奏划分。2以四人小组为单位，组内互助解疑，并尝试用以四人小组为单位，组内互助解疑，并尝试用“直译直译”与与“意译意译”两种方法译读文章。两种方法译读文章。3教师选择疑难句或值得翻译的句子，请学生用两种翻译方法进行翻译。翻译示例：若夫日出而林教师选择疑难句或值得翻译的句子，请学生用两种翻译方法进行翻译。翻译示例：若夫日出而林霏开，云归而岩穴暝，晦明变化者，山间之朝暮也。野芳发而幽香，佳木秀而繁阴，风霜高洁，水落而石出者，山间之四时也。直译法：那太阳一出来，树林里的雾气散开，云雾聚拢，山谷就显得昏暗了，霏开，云归而岩穴暝，晦明变化者，山间之朝暮也。野芳发而幽香，佳木秀而繁阴，风霜高洁，水落而石出者
42、，山间之四时也。直译法：那太阳一出来，树林里的雾气散开，云雾聚拢，山谷就显得昏暗了，朝则自暗而明，暮则自明而暗，或暗或明，变化不一，这是山间早晚的景色。野花开放，有一股清幽的香味，好的树木枝叶繁茂，形成浓郁的绿荫。天高气爽，霜色洁白，泉水浅了，石底露出水面，这是朝则自暗而明，暮则自明而暗，或暗或明，变化不一，这是山间早晚的景色。野花开放，有一股清幽的香味，好的树木枝叶繁茂，形成浓郁的绿荫。天高气爽，霜色洁白，泉水浅了，石底露出水面，这是山中四季的景色。意译法：太阳升起，山林里雾气开始消散，烟云聚拢，山谷又开始显得昏暗，清晨自暗而明，薄暮又自明而暗，如此暗明变化的，就是山中的朝暮。春天野花绽开并
43、散发出阵阵幽香，夏山中四季的景色。意译法：太阳升起，山林里雾气开始消散，烟云聚拢，山谷又开始显得昏暗，清晨自暗而明，薄暮又自明而暗，如此暗明变化的，就是山中的朝暮。春天野花绽开并散发出阵阵幽香，夏日佳树繁茂并形成一片浓荫，秋天风高气爽，霜色洁白，冬日水枯而石底上露，如此，就是山中的四季。【教学提示】翻译有直译与意译两种方式，直译锻炼学生用语的准确性，但可能会降低译文的美感；日佳树繁茂并形成一片浓荫，秋天风高气爽，霜色洁白，冬日水枯而石底上露，如此，就是山中的四季。【教学提示】翻译有直译与意译两种方式，直译锻炼学生用语的准确性，但可能会降低译文的美感；意译可加强译文的美感，培养学生的翻译兴趣，但
44、可能会降低译文的准确性。因此，需两种翻译方式都做必要引导。全文直译内容见我的积累本。目标导学四：解读文段，把握文本内容意译可加强译文的美感，培养学生的翻译兴趣，但可能会降低译文的准确性。因此，需两种翻译方式都做必要引导。全文直译内容见我的积累本。目标导学四：解读文段，把握文本内容1赏析第一段，赏析第一段，说说本文是如何引出说说本文是如何引出“醉翁亭醉翁亭”的位置的，作者在此运用了怎样的艺术手法。的位置的，作者在此运用了怎样的艺术手法。明确：首先以明确：首先以“环滁皆山也环滁皆山也”五字领起，将滁州的地理环境一笔勾出，点出醉翁亭坐落在群山之中，并纵观滁州全貌，鸟瞰群山环抱之景。接着作者将五字领起
45、，将滁州的地理环境一笔勾出，点出醉翁亭坐落在群山之中，并纵观滁州全貌，鸟瞰群山环抱之景。接着作者将“镜头镜头”全景移向局部，先写全景移向局部，先写“西南诸峰，林壑尤西南诸峰，林壑尤美美”，醉翁亭坐落在有最美的林壑的西南诸峰之中，视野集中到最佳处。再写琅琊山，醉翁亭坐落在有最美的林壑的西南诸峰之中，视野集中到最佳处。再写琅琊山“蔚然而深秀蔚然而深秀”，点山，点山“秀秀”，照应上文的，照应上文的“美美”。又写酿泉，其名字透出了泉与酒的关系，好泉酿好酒，好酒叫人醉。又写酿泉，其名字透出了泉与酒的关系，好泉酿好酒，好酒叫人醉。“醉翁亭醉翁亭”的名字便暗中透出，然后引出的名字便暗中透出，然后引出“醉翁亭
46、醉翁亭”来。作者利用空间变幻的手法，移步换景，由远及近，为我们描绘了一幅幅山水特写。来。作者利用空间变幻的手法，移步换景，由远及近，为我们描绘了一幅幅山水特写。2第二段主要写了什么？它和第一段有什么联系？明确：第二段第二段主要写了什么？它和第一段有什么联系？明确：第二段利用时间推移，抓住朝暮及四季特点，描绘了对比鲜明的晦明变化图及四季风光图，写出了其中的利用时间推移，抓住朝暮及四季特点，描绘了对比鲜明的晦明变化图及四季风光图，写出了其中的“乐亦无穷乐亦无穷”。第二段是第一段。第二段是第一段“山水之乐山水之乐”的具体化。的具体化。3第三段同样是写第三段同样是写“乐乐”，但却是写的游人之乐，但却是
47、写的游人之乐，作者是如何写游人之乐的？明确：作者是如何写游人之乐的？明确：“滁人游滁人游”，前呼后应，扶老携幼，自由自在，热闹非凡；，前呼后应，扶老携幼，自由自在，热闹非凡；“太守宴太守宴”，溪深鱼肥，泉香酒洌，美味佳肴，应有尽有；，溪深鱼肥，泉香酒洌，美味佳肴，应有尽有；“众宾欢众宾欢”，投壶下棋，觥筹交错，说说笑笑，无，投壶下棋，觥筹交错，说说笑笑，无拘无束。如此勾画了游人之乐。拘无束。如此勾画了游人之乐。4作者为什么要在第三段写游人之乐？明确：写滁人之游，描绘出一幅太平祥和的百姓游乐图。游乐场景映在太守的眼里，便多了一层政治清明的意味。太守在游人之乐中作者为什么要在第三段写游人之乐？明确
48、：写滁人之游，描绘出一幅太平祥和的百姓游乐图。游乐场景映在太守的眼里，便多了一层政治清明的意味。太守在游人之乐中酒酣而醉，此醉是为山水之乐而醉，更是为能与百姓同乐而醉。体现太守与百姓关系融洽，酒酣而醉，此醉是为山水之乐而醉，更是为能与百姓同乐而醉。体现太守与百姓关系融洽，“政通人和政通人和”才能有这样的乐。才能有这样的乐。5第四段主要写了什么？明确：写宴会散、众人归的情景。目标导学五：深入解第四段主要写了什么？明确：写宴会散、众人归的情景。目标导学五：深入解读，把握作者思想感情思考探究：作者以一个读，把握作者思想感情思考探究：作者以一个“乐乐”字贯穿全篇，却有两个句子别出深意，不单单是在写乐，
49、而是另有所指，表达出另外一种情绪，请你找出这两个句子，说说这种情绪是什么。明确：醉字贯穿全篇，却有两个句子别出深意，不单单是在写乐，而是另有所指，表达出另外一种情绪，请你找出这两个句子，说说这种情绪是什么。明确：醉翁之意不在酒，在乎山水之间也。醉能同其乐，醒能述以文者，太守也。这种情绪是作者遭贬谪后的抑郁，作者并未在文中袒露胸怀，只含蓄地说：翁之意不在酒，在乎山水之间也。醉能同其乐，醒能述以文者，太守也。这种情绪是作者遭贬谪后的抑郁，作者并未在文中袒露胸怀，只含蓄地说：“醉能同其乐，醒能述以文者，太守也。醉能同其乐，醒能述以文者，太守也。”此句与醉翁此句与醉翁亭的名称、亭的名称、“醉翁之意不在
50、酒，在乎山水之间也醉翁之意不在酒，在乎山水之间也”前后呼应，并与前后呼应，并与“滁人游滁人游”“”“太守宴太守宴”“”“众宾欢众宾欢”“”“太守醉太守醉”连成一条抒情的线索，曲折地表达了作者内心复杂的思想感情。目标导学六：赏析文本，感连成一条抒情的线索，曲折地表达了作者内心复杂的思想感情。目标导学六：赏析文本，感受文本艺术特色受文本艺术特色1在把握作者复杂感情的基础上朗读文本。在把握作者复杂感情的基础上朗读文本。2反复朗读，请同学说说本文读来有哪些特点，为什么会有这些特点。反复朗读，请同学说说本文读来有哪些特点，为什么会有这些特点。(1)句法上大量运用骈偶句，并夹有散句，既整齐又富有变化，使文
