教育資源個性化推薦技術(shù)研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，教育資源的應(yīng)用也逐漸從校園內(nèi)走向了互聯(lián)網(wǎng)，以大規(guī)模在線開放課程MOOC(Massive Open Online Courses)為代表的在線教育資源平臺自出現(xiàn)以來，就受到了學(xué)習(xí)者、研究者的廣泛關(guān)注。在線教育資源平臺中的海量學(xué)習(xí)資源，既為用戶提供了更多的學(xué)習(xí)機(jī)會，幫助更多用戶獲取知識，也讓用戶面臨“信息過載”的新挑戰(zhàn)。在目前已有的教育資源個性化推薦相關(guān)研究中，大多只是基于校園應(yīng)用或是傳統(tǒng)的在線學(xué)習(xí)網(wǎng)站，設(shè)計(jì)教

2、育資源個性化推薦算法，沒有考慮在線學(xué)習(xí)中用戶行為的新特點(diǎn)，沒有充分利用互聯(lián)網(wǎng)背景下教育資源中體現(xiàn)的用戶集體智慧。
　　因此，本文針對教育資源個性化推薦技術(shù)中的不足之處，在分析互聯(lián)網(wǎng)中用戶學(xué)習(xí)行為特點(diǎn)的基礎(chǔ)上，提出了基于用戶行為和時間遺忘曲線的用戶評分估計(jì)方法。同時，在教育資源分類中引入主題模型，充分利用標(biāo)簽信息對教育資源進(jìn)行主題分類。在用戶評分和教育資源分類的基礎(chǔ)上，設(shè)計(jì)了全面的用戶興趣模型以及教育資源個性化推薦算法。
　　

3、本文的主要研究內(nèi)容如下:
　　1)分析在線教育資源平臺中的用戶行為特點(diǎn)，采用基于信息熵的方法為不同的用戶行為分配行為權(quán)重，同時考慮艾賓浩斯遺忘曲線的一般規(guī)律為用戶行為分配時間權(quán)重。在此基礎(chǔ)上，本文提出了一種綜合用戶行為權(quán)重、行為時間權(quán)重以及用戶平均評分的用戶-項(xiàng)目隱式評分估計(jì)方法。
　　2)根據(jù)用戶為教育資源添加的自定義標(biāo)簽，采用主題模型的方法對教育資源進(jìn)行主題分類，得到教育資源項(xiàng)目在主題上的分布情況。結(jié)合用戶-項(xiàng)目評分以及

4、教育資源的主題分類，設(shè)計(jì)基于ETag-LDA主題模型的用戶興趣模型。
　　3)針對教育資源的應(yīng)用場景，設(shè)計(jì)Topic-Based CF推薦算法。在對教育資源進(jìn)行主題分類的基礎(chǔ)上，采用協(xié)同過濾的基本方法，設(shè)計(jì)基于主題的教育資源推薦方法，可以在用戶已經(jīng)學(xué)習(xí)的主題之外，為用戶推薦類似主題的教育資源。
　　4)基于用戶-項(xiàng)目評分估計(jì)，設(shè)計(jì)教育資源推薦算法，在用戶已經(jīng)學(xué)習(xí)的主題中為用戶推薦同主題分類下的其他教育資源項(xiàng)目。
　　5