基于Web使用挖掘的个性化学习推荐系统

针对当前E learning推荐系统存在的问题，引入多Agent（MAS）系统，提出一种基于Web使用挖掘的集成MAS与Web services的分布式智能推荐系统模型。该模型能动态生成基于用户使用信息的个性化链接页面，有效地帮助学员找到所需的资源信息。提出了一种基于最近最少使用策略的系统推荐算法，包括系统整体实现算法、系统聚类算法及推荐算法。实时性能分析显示该系统运行性能良好。     

一种分布式智能推荐系统的设计

引入移动Agent技术,提出了一种面向E-learning的集成群Agent与Web服务的分布式智能推荐系统模型MASWSIRS,构造了MASWSIRS的体系结构,并给出了系统的工作流程和MASWSIRS的实现算法.     

一种应用于推荐系统的Web挖掘算法:AIR算法

针对互联网站点信息海量和结构复杂的趋势,推荐系统被用来协助互联网用户方便快捷地找到所需信息,培养用户忠诚度。Web挖掘技术在处理海量数据和稀疏数据上有着先天的优势,所以Web挖掘技术在推荐系统中得到了越来越广泛的研究和应用。基于Web挖掘的推荐系统所使用的主要技术有聚类、关联规则、序列模式等等。然而,这些技术往往不能在推荐的准确性和覆盖范围方面做到两全。综合这几种技术,取其优点去其缺点,提出了一种新的算法(AIR算法)。通过基于实际使用数据的详尽的实验评估,可以证明该算法能够在准确性和覆盖范围方面明显提高推荐系统的整体性能。     

个性化学习资源推荐系统设计

为解决用户无法有效甄别学习资源这一问题,构建一个具备个性化推荐系统是十分必要的。本文设计并实现了一款个性化学习资源推荐系统。系统采用基于用户的协同过滤推荐算法,使用Flask Web框架、Vue框架、PyCharm和MySQL建站工具。该系统可以缓解用户甄别学习资源的困扰,为用户推荐其感兴趣的学习资源。     

基于移动Agent的个性化数字学习模型研究

在开放、动态的学习资源网络环境中,个性化服务支持对在线学习者尤其重要.讲述了在基于web服务技术的分布式学习环境中如何构造一个分布式的个性化数宁学习环境.在建立服务代理的功能模型的基础上,构造了一种基于多移动Agent的个性化数字学习(E-Learning)框架模型,阐述了其工作流程并进行了结构分析;引入Petri网模型,设计了基于移动Agent的联邦组建与动态服务合成算法;说明了系统实现的技术手段与方法.从对系统模型雏形的应用与性能监测来看,系统模型实现切实可行且运行性能良好.     

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。     

基于Web Mining的推荐系统

推荐系统(Recommender System)被电子商务站点用来向顾客提供信息以帮助顾客选择产品,其基本思想是以统计结果或者顾客以前的行为记录为依据,推测顾客未来可能的行为并给出相应的推荐。本文对基于传统技术和Web mining技术的推荐系统进行了简要综述,同时描述了基于Web mining技术的推荐系统的工作流程,重点分析了应用于推荐系统的各种具体Web mining技术及其算法比较。     

关于视频推荐系统数据处理方法的分析

视频推荐系统作为一种重要的应用,可以帮助用户在网站中海量的视频库里找到其感兴趣的视频,同时也可以帮助用户挖掘出自己本身的兴趣。而视频推荐系统中核心和关键的部分是推荐算法,它在很大程度上决定了视频推荐系统的类型和性能的优劣。本文分析了视频推荐系统的常见架构并展示了优化后的推荐算法流程,在处理海量数据的真实应用背景下提出了总结出应用于视频推荐系统中的数据处理方法。     

个性化网络学习资源推荐系统研究

通过搜索资源来学习现已成为网络学习的一种重要的学习方式,为了提高这种方式下的学习效率,本文提出了一种基于Agent的网络推荐系统,通过获取学习者的当前学习需求,与内嵌的专家知识进行集成,利用多属性决策方法作为比较机制,以达到推荐合适学习资源的目的。系统还提出协同过滤方法,将相似学习者的学习资源推荐给学习者。最后。采用JADE平台开发了原型系统,并进行系统的集成和Web应用设计。     

采用反馈机制的自适应Web推荐系统

Web服务的初衷是能让用户能够快捷方便地找到自己需要的资源，但是当前过量的网络资源反而增加了用户的麻烦。于是出现了结合用户对Web使用的数据挖掘应用的Web推荐系统。在传统Web推荐系统的基础上引入了反馈机制。使推荐系统在线给用户提供推荐功能的同时，对自身的推荐机制改进，更体现了个性化服务的灵活性。     

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。     

基于多Agent的个性化协作学习系统研究与实现

远程教育技术的高速发展为远程学习者提供了极大的便利,使得学生可以在任何时候任何地点学习适合自己的内容。然而远程学习者地理上的分散性,也不可避免地产生了大量的孤独学习者。因此怎样提供一种有效的方法,将具有相同兴趣的学生组织到一起,并帮助他们在学习过程中能够共同分享学习经验、交流学习资料,已逐渐成为革新E—Learning技术中的一个研究热点。该文构建了一个基于多Agent机制的个性化协作学习系统,并提出了一种新颖的打分／交换的用户动态聚类算法,从学生的资源请求中发现学生兴趣,并有效地将具有相同兴趣的学生自动组成学习社区。实验证明,该算法具有较高的效率和良好的可扩展性。     

基于SNS的Web协作学习系统设计

随着Web2.0的快速发展,具有社会特征的SNS软件不断涌现,基于SNS平台的Web协作学习逐渐成为一种新型学习模式。提出了一种基于SNS的Web协作学习模式,并结合国内主流的SNS平台进行二次开发,设计了一个面向SNS的Web协作学习系统,主要实现了个人社区、协作学习社区、文件共享和问答系统等模块。实践证明该系统能够实现高效的Web协作和资源共享,能够帮助学习者更好地交流学习心得和分享学习成果,从而增强学习者的学习兴趣和解决问题的能力。     

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。     

Implement web learning environment based on data mining

The need for providing learners with web-based learning content that match their accessibility needs and preferences, as well as providing ways to match learning content to user’s devices has been identified as an important issue in accessible educational environment. For a web-based open and dynamic learning environment, personalized support for learners becomes more important. In order to achieve optimal efficiency in a learning process, individual learner’s cognitive learning style should be taken into account. Due to different types of learners using these systems, it is necessary to provide them with an individualized learning support system. However, the design and development of web-based learning environments for people with special abilities has been addressed so far by the development of hypermedia and multimedia based on educational content. In this paper a framework of individual web-based learning system is presented by focusing on learner’s cognitive learning process, learning pattern and activities, as well as the technology support needed. Based on the learner-centered mode and cognitive learning theory, we demonstrate an online course design and development that supports the students with the learning flexibility and the adaptability. The proposed framework utilizes data mining algorithm for representing and extracting a dynamic learning process and learning pattern to support students’ deep learning, efficient tutoring and collaboration in web-based learning environment. And experiments do prove that it is feasible to use the method to develop an individual web-based learning system, which is valuable for further study in more depth.     

基于CSP的学习智能导航服务模型与算法研究

研究了在网络学习平台中如何为自主学习者提供学习活动智能导航服务的问题。目前,为了进一步满足虚拟学习环境中学习者的个性化需求,笔者所在课题组开发的网络学习系统中采用了基于知识点的学习路径生成算法和资源组合算法,从而能为不同学习者从资源库中提取出个性化的学习内容包。然而,在实际使用中笔者发现,学习者虽然获得了符合需求的学习内容,其学习效果仍然缺乏有效的保障。原因在于学习过程实质是由学习活动而非静态的学习内容组成的,在学习过程中学习者应该根据教学规律和自身特点,有步骤地完成一系列学习子任务,才能保证最后的学习效果。为此,在以往的知识点关系层之上建立了学习活动,并将学习活动的调度问题转化为了csP问题模型,并提出了相应的求解方法。实验表明,该方法能够生成符合预期目标的学习任务调度,从而实现学习活动的智能导航服务。     

Dynamic fuzzy neural networks-a novel approach to functionapproximation

In this paper, an architecture of dynamic fuzzy neural networks (D-FNN) implementing Takagi-Sugeno-Kang (TSK) fuzzy systems based on extended radial basis function (RBF) neural networks is proposed. A novel learning algorithm based on D-FNN is also presented. The salient characteristics of the algorithm are: 1) hierarchical on-line self-organizing learning is used; 2) neurons can be recruited or deleted dynamically according to their significance to the system's performance; and 3) fast learning speed can be achieved. Simulation studies and comprehensive comparisons with some other learning algorithms demonstrate that a more compact structure with higher performance can be achieved by the proposed approach.     

Ensemble weighted extreme learning machine for imbalanced data classification based on differential evolution

Extreme learning machine for single-hidden-layer feedforward neural networks has been extensively applied in imbalanced data learning due to its fast learning capability. Ensemble approach can effectively improve the classification performance by combining several weak learners according to a certain rule. In this paper, a novel ensemble approach on weighted extreme learning machine for imbalanced data classification problem is proposed. The weight of each base learner in the ensemble is optimized by differential evolution algorithm. Experimental results on 12 datasets show that the proposed method could achieve more classification performance compared with the simple vote-based ensemble method and non-ensemble method.

     

VB课程资源网站的建立与实用性分析

随着计算机网络技术的不断发展与更新,一些网站及网络课程的教学资源都很丰富,学习者的学习需求可以短时间的得到满足,但是没有一个集成系统可以将这些教学资源进行整合、管理,从而学习者的效率不仅会受到影响,而且基于网站自身发展的角度而言也是极为不利的,因此设计开发一个可行性好、兼容性强、有诸多功能的课程资源网站管理系统就非常必要,所以本文就针对该问题展开讨论。