基于Bayesian Network的学习资源库推荐系统构建与实现

针对学习资源使用者的特点和当前网络学习模型的不足,提出运用贝叶斯网络建立一种个性化学习者模型。基于用户决策方案指导资源库的建设,提出了一种新的学习资源推荐算法,使学习资源的呈现符合学习者认知发展水平和个性特征,改善资源库的组织结构,实现智能化、个性化的学习资源库推荐系统。实践证明,对于本系统所推荐的学习资源,学习者非常满意。     

基于学习效率的学习资源推荐算法

针对目前网络学习系统学习资源推荐的不足,提出了一种基于学习效率的学习资源推荐算法。我们利用逻辑回归模型,以学习者学习前的测试结果作为输入,计算输出测验得分提高的最高期望值。该算法通过测验得分提高的期望值来量化学习效率,并通过推荐资源以最大化这个期望值。     

基于行为序列分析的学习资源推荐算法研究

利用数据挖掘技术分析网络学习行为数据可以挖掘出其隐含的行为规律特征,为学习者提供个性化的学习资源服务。针对现有的数据挖掘算法在对网络学习行为数据进行分析时普遍存在模型适用性不高的问题,提出了一种基于行为序列分析的学习资源推荐算法。首先,提出行为序列及其相关概念的定义,并提出行为序列相似度计算方法;然后提出基于行为序列相似度的协同过滤推荐算法,计算学习者相似度并为待推荐学习者生成学习资源推荐列表;接着给出基于学习风格的推荐方法,将学习者学习风格特征融入推荐过程;最后,给出基于行为序列分析的学习资源推荐算法的模型。提出的算法没有对行为序列的模式进行限制,具有较高的适用性,对深入研究网络学习行为序列数据为学习者提供个性化学习服务具有一定的借鉴作用。     

基于协同推荐学习资源系统的设计和实现

随着网上学习者的不断增多和网络学习资源的不断丰富,学习者需要系统能够推荐他们感兴趣的资源。通过使用ASP.NET设计开发学习资源网站,研究了协同过滤推荐技术的算法,并实现了基于协同推荐学习资源系统的设计。     

基于WC-C-R学习资源推荐的研究

基于资源的学习已成为远程教育的一种重要的学习方式,网络课件和资源库是远程教育环境下两种重要的学习资源。为提高基于资源的学习效率,在“网络课件-概念图-学习资源库”三层模型研究的基础上,提出基于知识的资源推荐,并通过多Agent系统实现了在WC-C-R模型上进行资源推荐。实验证明,通过资源推荐,有助于提高学生的学习效率。     

在线学习资源推荐综述

近年来越来越多的学校广泛使用网络在线授课，然而互联网中海量的学习资源令学习者难以抉择。因此，研究在线学习资源推荐并为学习者进行个性化推荐非常重要，这可以帮助学习者快速获取其所需的优质学习资源。针对在线学习资源推荐的研究现状，从以下5个方面进行分析总结。首先，总结了目前国内外在线教育平台在学习资源推荐方面的工作；其次，分析和探讨了以知识点习题、学习路径、学习视频和学习课程为学习资源推荐目标的4种算法；接着，分别从学习者和学习资源的角度出发，以具体的算法为例，详述了常用的基于学习者画像、基于学习者行为和基于学习资源本体的3种学习资源推荐算法；此外，总结了公开的在线学习资源数据集；最后，分析了学习资源推荐系统目前存在的问题和未来的发展方向。     

个性化学习资源推荐系统研究

通过分析远程网络学习系统中学习者对学习资源的访问历史,以及与学习者有类似访问兴趣的同组学习者的学习偏好,为学习者提供个性化的资源推荐服务,能够有效提高各种学习资源的利用效率,从而提高教学质量.     

基于多Agent的网络学习智能推荐模型

针对网络学习者面临海量信息选择的困扰,提出了一个基于多Agent的网络学习智能推荐模型.运用界面Agent采实现与学习者的交互,利用基于知识推荐的Agent提供与学习者兴趣相关的推荐,以及基于相似学习者推荐的Agent向特定学习者推荐新的知识,并对模型中推荐的相似度算法进行了阐述.通过多Agent技术的运用,较好的解决了网络学习推荐的智能化,个性化以及灵活性的问题,使网络学习者能在一种交互式的学习环境中得到更人性化的学习推荐服务.     

基于JADE的学习网络构建系统研究与实现

针对远程教育环境中,学习者分散、缺乏个性化学习指导等问题,构建了一个基于JADE的学习网络与个性化学习系统.系统为每个学习者创建一个JADE代理,用以动态监控学习行为并实现感兴趣资源的共享、推荐和评估,同时基于其他学习者代理对不同资源的感兴趣程度,通过发现相似性、更新信任权值和调整潜在邻居等方法,动态调整学习者之间的信任关系,构建学习网络,为远程学习者提供更准确地学习资源推荐.实验结果表明系统可以非常迅速的将具有相同兴趣的学习者聚合在一起,并很好的满足他们的查询、推荐需求.     

个性化小学英语学习系统的设计与实现

针对目前资源学习系统缺乏个性化导致小学英语学习者的资源选择迷航问题,构建以个性化资源组织为核心的学习系统。通过纪录用户信息和个性化学习行为,建立小学英语学习者信息模型;以知识点标注的方式描述英语学习资源,建立学习资源库;运用学习偏好算法和学习水平算法计算学习者偏好,采用新型智能推荐技术,向用户推荐个性化的学习资源。通过原型系统运行实例,其结果验证了个性化学习和智能推荐的有效性。     

协作学习中基于协同过滤的学习资源推荐研究

符合学习者特征的学习资源对于提高协作学习效率具有重要的影响。但是传统的学习资源推荐,没有充分考虑学习者、学习资源的特征和高效的推荐算法。针对上述问题,提出了基于协同过滤的学习资源推荐算法,根据学习者学习特征、学习资源特征和学习者对学习资源历史评价信息,采用协同过滤推荐算法,实现学习资源推荐。首先,通过学习者特征和学习资源的评分,寻找相似学习者并计算学习资源预测评分,然后根据该评分值和学习资源与学习者匹配度推荐学习资源,从而为学习者推荐符合自己兴趣爱好最合适的学习资源。实验结果表明该算法在个性化学习资源推荐的准确性上优于传统算法。     

利用解释结构模型构建网络学习对象模型

随着网络信息化的发展,网络学习方式以其方便、快捷、资源丰富等特性,越来越受到学习者的青睐。本文利用解释结构模型厚理,构建多层次结构化的网络学习对象模型,便于合理组织网络学习对象,从而对学习者的网络学习行为进行个性化推荐。     

基于知识图谱和图嵌入的个性化学习资源推荐

面对海量的在线学习资源,学习者往往面临“信息过载”和“信息迷航”等问题,帮助学习者高效准确地获取适合自己的学习资源来提升学习效果,已成为研究热点.针对现有方法存在的可解释性差、推荐效率和准确度不足等问题,提出了一种基于知识图谱和图嵌入的个性化学习资源推荐方法,它基于在线学习通用本体模型构建在线学习环境知识图谱,利用图嵌入算法对知识图谱进行训练,以优化学习资源推荐中的图计算效率.基于学习者的学习风格特征进行聚类来优化学习者的资源兴趣度,以获得排序后的学习资源推荐结果.实验结果表明,相对于现有方法,所提方法能在大规模图数据场景下显著提升计算效率和个性化学习资源推荐的准确度.     

基于组合推荐技术的学习资源个性化推荐研究

通过调查发现,E-learning支持系统无法有效地向学习者个性化地推荐学习资源。为了进一步提高推荐系统的性能,本文尝试将协同过滤推荐技术引入学习资源的个性化推荐研究中。协同过滤推荐技术是一种应用最为广泛的个性化推荐技术,然而其面临着冷启动、数据稀疏性问题、规模可扩展性等问题。本文通过介绍协同过滤推荐技术的工作原理、实现方法及存在问题,提出了一个优化的基于协同过滤技术的学习资源个性化推荐系统的理论模型,重点讨论了隐式评分机制和算法的实现,以提升推荐系统的实时响应和推荐精度。     

一种面向学习路径推荐的知识网络构建方法

随着在线教育的迅速发展,互联网上的教学资源数量也呈现出快速增长的趋势。针对当前在线学习平台普遍存在着教学资源内容重复、人们难以辨别与选择,导致学习者很难应用这些资源构建适合自己的学习路径的问题,提出一种面向学习路径推荐的领域知识网络构建方法。通过对每个学习对象的预备知识与目标知识进行社会标注,构建相应的领域知识网络,然后,运用弗洛伊德算法计算领域知识网络里任意两个知识点间的最短路径,为学习路径推荐提供基础。     

一种基于模糊理论的个性化网络学习系统

在信息社会中,学习已经成为人们日常生活中很重要的组成部分。网络学习是一种集计算机网络技术、卫星通信技术和多媒体技术于一体的学习方式,它对人们的终身学习起到非常重要的作用。提出了一种基于模糊集理论的个性化网络学习系统,利用模糊集理论知识构建和描述学习资源数据库模型和学习者数据库模型。这种系统既能形成描述网络课程知识的模糊结构图,又能针对不同的学习者形成学习者的模糊结构子图,并能根据学习者的学习进度和能力水平,提供不同的学习内容和导航策略,从而满足个性化网络学习的需求。     

基于兴趣特征向量的端对端仿真学习社区研究

为了正确分类远程教育环境中具有相同学习兴趣的学习者,提出了一个基于学习者兴趣特征向量的端对端自适应仿真学习社区构建算法.算法着眼于一个开放的分布式仿真学习环境,在一个端对端的系统框架下,赋予每个学习者一个学习兴趣向量,并通过模拟学习者之间相互推荐学习资料来对学习者进行分组.仿真实验结果表明:经过一段学习者之间关系调整的时间,算法能显著提高学习资源推荐的正确率,提高学习者的满意度.所以,算法很合适应用于远程学习社区的构建.     

基于社交网络模式的个体个性化学习资源的推荐方法研究

随着网络教学的发展和网络学习资源的增长,如何准确挖掘学习者个体的学习兴趣,并根据学习兴趣找到适合的学习资源,成为越来越多研究者关注的问题。本文正是在这种背景下,提出一种依托社交网络模式的,深度挖掘个体的学习兴趣的个性化学习资源推荐机制。     

个性化学习资源精准推荐系统设计研究

随着我国教育信息化进程的不断推进,学习者获取学习资源的方式逐渐从主动检索转变为学习系统自动推荐。智能化的学习内容推荐行为极大地提高了用户获取个性化资源的效率,但是内容推荐在教育领域中的应用仍存在着许多方面的不足。该研究分析了推荐系统在教育领域中的应用现状,介绍了主流的推荐算法及其实现原理,并采用混合推荐模式和不同的推荐策略,设计出个性化学习资源精准推荐系统的系统模型,以期助力学习者的个性化学习。     

基于模糊树的个性化电子学习推荐系统

电子学习系统的快速发展为学习者在线学习提供了巨大的机会。然而,在线学习系统中太多的学习活动使个体学习者很难找到合适自己的学习活动,所以在线学习系统必须有能够提供个性化产品的推荐系统。本研究首先提出了一种模糊树状结构学习活动模型,然后结合基于知识和协同过滤推荐算法的优点提出了基于混合学习活动推荐方法的模糊树匹配方法。