成人远程教育平台教学内容推荐模块的设计与实现

成人远程教育平台设计就是充分利用计算机信息技术,设计更多的功能让成人学习能够通过远程教育平台有选择性地自主学习自己需要的学习资源,从而摒弃传统远程教育平台直接在网上灌输知识这种教学方式.就成人远程教育平台中的教学内容推荐模块展开研究设计.     

基于供求关系及协同过滤技术的推荐模型研究

推荐系统已经成功地应用于电子商务、数字图书馆等方面。但随着近年来公共服务平台的发展,现存的推荐系统不能有效处理公共服务平台中不同类型企业之间供求关系的推荐问题,不能针对供求关系产业链做出准确、迅速的推荐。因此,根据公共服务平台的供求关系产业链并结合协同过滤技术,提出了一种新的个性化推荐模型,它基于网络平台中的企业分类、供求关系等来建立模型,并通过建立企业类用户群来缩小协同过滤时用户群体的数量,降低计算时属性空间的维度,从而提高推荐的效率。使用该模型进行推荐可以更好地帮助企业建立沟通渠道、获得服务信息,满足企业个性化的要求。     

基于供求关系及协同过滤技术的推荐模型研究

推荐系统已经成功地应用于电子商务、数字图书馆等方面。但随着近年来公共服务平台的发展,现存的推荐系统不能有效处理公共服务平台中不同类型企业之间供求关系的推荐问题,不能针对供求关系产业链做出准确、迅速的推荐。因此,根据公共服务平台的供求关系产业链并结合协同过滤技术,提出了一种新的个性化推荐模型,它基于网络平台中的企业分类、供求关系等来建立模型,并通过建立企业类用户群来缩小协同过滤时用户群体的数量,降低计算时属性空间的维度,从而提高推荐的效率。使用该模型进行推荐可以更好地帮助企业建立沟通渠道、获得服务信息,满足企业个性化的要求。     

基于E-learning 的资源推送服务与关键策略研究

各高校正在广泛使用各类E-learning 教学平台,平台中的学习资源日益增长。个性化的推荐服务遵循“以人为本”的思想,缓解了“信息过载”、“海量资源”与学习者个性化学习需求之间的矛盾。本文对基于E-learning 的资源推送的基本方式和关键策略进行了阐述,提出了基于E-learning的资源推送系统构建方案,以提高学习者的学习效率。     

基于PKM技术的E—Iearing平台的设计

通过分析E—learning平台中的Blog、Wiki技术的发展状况,比较该平台中的传统技术BBS和PKM技术中的Blog,得出PKM技术更能促进E—learning平台中的知识产生、转化和应用。然后,设计了一个基于PKM技术的E-leafing平台模块。最后,预测了PKM技术的发展方向。     

基于大数据和云计算技术的数字化课程资源平台

为提高课程资源平台的承载能力,本文通过引进大数据技术与云计算技术,开展数字化课程资源平台的设计研究。为了避免课程资源在流通中由于存储异常出现失真等问题,进行平台中云存储服务器的选型。在此基础上,利用大数据技术,对数据进行实时采集、分类、存储和分析,提取其中有价值的信息,将其作为课程资源的关键属性,进行课程资源属性的集约处理;在平台预处理终端录入数字化课程资源类别划分标准与依据,进行数字化课程资源类别划分、共享与个性化推荐。实验结果表明：该平台的负载能力较强,其后台运行带宽不会随着在线人数的增加而出现下降或异常中断现象。     

基于Web多人协作平台的个性化推荐算法研究

针对用户在Web多人协作平台中面对海量的信息和资源,如何快速便捷地获取自己感兴趣的内容问题,提出一种基于用户特征的个性化推荐算法。在提取出用户特征的基础上,该算法首先通过计算特征的相似性找出目标用户的最近k个邻居,然后由最近邻居的内容推荐项得到目标用户的推荐项。实验结果表明,该算法能够很好地应用于Web多人协作平台。     

贝叶斯网络在SoC事务级验证平台中的应用

在越来越复杂的SoC芯片设计过程中,功能验证已成为芯片设计周期中最主要的瓶颈;采用人工智能算法在功能覆盖率指导下自动生成随机激励的方法已成为该领域的研究热点;针对贝叶斯网络强大的不确定性概率推理和数据分析能力以及事务级验证平台的特点,采用贝叶斯网络来自动分析验证平台中的事务配置参数和功能覆盖率统计数据之问的不确定关系,提出了一种改进的功能覆盖率驱动验证平台;与传统的约束随机验证平台相比,能快速达到覆盖率目标,缩短验证周期.     

基于深度学习的Java课程思政资源个性化推荐系统研究

常规Java课程思政资源个性化推荐系统的推荐效果不佳，因此提出基于深度学习的Java课程思政资源个性化推荐系统。首先设计资源存储器和资源处理器等系统硬件，其次基于深度学习算法构建个性化推荐模型，最后结合数据库及课程资源管理模块完成系统软件设计。测试结果表明，设计的系统能够实现课程资源的个性化推荐，推荐资源与用户需求资源之间的适配度更高。     

数据挖掘在网络教学决策支持平台中的应用

针对现代远程教育中,受教育对象个性特征的差异与传统远程教育资源模式的单一性产生的矛盾难题。结合数据挖掘技术,设计了基于数据挖掘技术的网络教学决策支持平台,在平台中除提供网络教学平台最基本功能,还通过数据挖掘对服务器日志数据进行分析,并以图文界面的形式将分析结果反馈用户,继而实现对网站的结构调整和对学生的个性化服务。     

基于学习风格的个性化自适应资源推荐算法研究

个性化自适应资源推荐是以学习者为中心、以人工智能和大数据技术为基础,模拟人类思维进行学习资源推荐的过程。论文在分析学习者和资源学习风格的基础上,分别构建学习者模型和资源模型,运用基于学习风格过滤推荐算法、协同过滤推荐算法、关联规则推荐算法,展开个性化自适应资源推荐研究。研究结果表明,以学习风格为基础的混合式自适应推荐的结果,更贴合学习者的个性化学习需求。     

基于数据挖掘的思政理论资源个性化推荐系统设计

由于传统系统存在新用户推荐及推荐效果较差的问题，提出一种基于数据挖掘的思政理论资源个性化推荐系统。硬件中服务器模块共由22台服务器构成。处理器模块选用的是S3C3210x处理器。软件中数据挖掘模块主要利用Orange工具箱来实现思政理论资源的数据挖掘。数据处理模块能够实现资源数据的转换与爬取、降维处理。资源个性化推荐模块主要通过混合推荐技术实现个性化推荐。数据库模块中包括用户兴趣表、资源信息表、用户信息表。以此进行性能测试。实验结果表明，其推荐效果优于传统系统，可实现新用户的个性化推荐。     

基于Web数据挖掘的个性化学习系统研究

结合Web数据挖掘在E-learning平台中的应用,分析了Web数据挖掘的基本过程与关键技术,提出了一种基于Web挖掘的个性化学习平台模型,并阐述了Web挖掘在平台中的应用及其个性化搜索引擎的实现.     

个性化E-learning教学系统的在线推荐模式研究

目前已有很多成熟的个性化推荐算法应用于个性化的E-learning教学系统,为了更好地实现个性化推荐,以个性化的在线推荐模块为核心,设计了一个个性化的E-learning教学平台,在线推荐模块包括个性化管理、IDBC管理、CBR推理等技术,该系统的特点在于可以更加快速更加精确地给用户进行推荐,并且可以针对不同的用户进行不同的推荐。     

基于大数据技术的电子商务个性化信息自动推荐算法应用

当前个性化推荐算法应用因未构建增量更新推荐模型,对电子商务平台的大数据进行处理,导致推荐结果不能及时更新,严重影响用户体验.因此,提出基于大数据技术的电子商务个性化信息自动推荐算法.首先对平台中用户与项目的相异度进行计算,利用计算后的相异度矩阵构建数据增量更新模型;然后,将该模型作为个性化推荐模型,引入IU-UserCF推荐算法,提高预测准确性;最后以电商物流为应用对象,将所提方法引入应用进行探索.实验对比结果表明,所提方法在电子商务应用中有着更加出色的推荐效果.     

基于DPI-C的脉动阵列模块验证平台

针对卷积神经网络加速器中有关于脉动阵列模块的验证,提出并实现了一种基于直接编程接口C（DPI-C,Direct Programming Interface C）程序的验证平台,采用内嵌DPI-C程序并利用通用验证方法学（UVM,Universal Verification Methodology）满足脉动阵列模块中的浮点数乘加运算的验证需求。实验利用了SystemVerilog中的DPI接口技术,在验证平台中实现对C或C++代码的调用,通过编写C函数来实现复杂的参考模型,浮点数乘加运算便是利用C代码编写的。验证平台的整体结构是根据UVM来设计的,其中包括激励的设计、参考模型的编写、数据校对等组件,整个验证平台高效、简洁。此平台已经应用于人工智能芯片的验证工作中,编写的测试用例可以对脉动阵列进行充分验证,覆盖率达到了100%。验证平台可以保证脉动阵列验证的全面性、高效性并且调试纠错简单方便,同时还实现了UVM环境和测试用例的重用。     

基于语义web的高校毕业生就业信息服务系统本体构建研究

阐述了现有就业信息服务平台的不足,指出了将语义Web技术应用于就业信息平台的优势,综合分析了语义Web在就业信息服务平台中应用的整体框架,介绍了资源本体的功能、开发过程及相关操作.     

SNS科技论文管理平台研究与实现

为了提高科技论文管理平台中学术信息资源的利用效率和个性化推荐的质量,深入介绍了社区挖掘算法在SNS科技论文管理平台中的应用,根据用户提供的个人信息以及发表的论文信息,构建树形关系结构,计算用户之间的相似程度;利用粒子群优化算法的思想寻找精英粒子,进行虚拟社区划分。通过确立社区主题和分析邻居用户的动态更新,对社区内的用户进行个性化推荐。实验结果表明,改进后的系统大大提高了个性化推荐的精度,增加了用户满意度。     

大数据驱动的个性化服务智能推荐系统研究

大数据时代背景下,数据信息资源海量化,个性化智能推荐系统是有效解决由于海量数据信息超载的一种高级商务智能平台,它能根据用户的需求实施数据信息的个性化推荐。通过对大数据技术和人工智能概念进行梳理,给出了大数据驱动的个性化服务智能推荐关键技术,提出了系统架构,进一步提炼了大数据和人工智能的价值,使大数据技术和人工智能的价值有了新的体现。希望该研究能为大数据驱动下的智能推荐系统的研究者提供参考和借鉴。     

协同过滤技术在学习资源个性化推荐中的应用研究

e-learning已经成为一种趋势,调查发现当前e-learning平台中普遍使用的Top-N和方式均不能做到个性化地推荐学习资源.受电子商务研究领域中相关研究成果启发,笔者尝试将协同过滤推荐技术引入到学习资源个性化推荐的研究中.本文在详细介绍协同过滤推荐技术的基础上,提出将协同过滤技术应用于企业e-learning中的思想,并以浙江省中小企业信息化平台项目中的知识库模块为载体,阐述学习资源个性化推荐系统的设计理念和实现过程,对存在的问题进行了剖析,最后对本研究作了总结和展望.本文将对协同过滤技术在企业e-learning中应用的研究起到抛砖引玉的作用,将启发更多的研究人员从不同的层面和角度探索协同过滤技术在e-learning中的应用,推动相关研究的发展.