隨著"互聯(lián)網(wǎng)+"教育的快速發(fā)展,在線學(xué)習(xí)資源數(shù)據(jù)規(guī)模急劇擴張,學(xué)習(xí)者從海量的學(xué)習(xí)資源中選擇合適資源的難度隨之增大。如何幫助學(xué)習(xí)者獲取合適的學(xué)習(xí)資源開展個性化學(xué)習(xí),已成為智能學(xué)習(xí)領(lǐng)域重要的研究課題。實現(xiàn)個性化學(xué)習(xí)資源推薦的關(guān)鍵在于對在線學(xué)習(xí)平臺數(shù)據(jù)應(yīng)用價值的探索與挖掘,全面考慮學(xué)習(xí)者與學(xué)習(xí)資源之間的關(guān)聯(lián)性。隨著人工智能的不斷發(fā)展,簡單的機器學(xué)習(xí)已經(jīng)難以滿足個性化學(xué)習(xí)資源推薦服務(wù),基于深度神經(jīng)網(wǎng)絡(luò)設(shè)計的個性化學(xué)習(xí)資源推薦方法,通過基于MIFS的特征選擇模型和學(xué)習(xí)者-學(xué)習(xí)資源二部圖關(guān)聯(lián)模型,在有效衡量學(xué)習(xí)者對學(xué)習(xí)資源的不同關(guān)注程度,以及深度挖掘?qū)W習(xí)者的個性化偏好基礎(chǔ)上,為學(xué)習(xí)者推薦合適的學(xué)習(xí)資源。該方法在不同學(xué)習(xí)時間和學(xué)習(xí)者的實驗條件下,取得了較好的推薦效果,并且在分類與回歸性能評價指標(biāo)上優(yōu)于傳統(tǒng)機器學(xué)習(xí)算法,說明其能夠較好地提供教育大數(shù)據(jù)環(huán)境下的個性化學(xué)習(xí)資源推薦服務(wù),提升學(xué)習(xí)者的在線學(xué)習(xí)體驗。 

【文章頁數(shù)】：10 頁

【文章目錄】：
一、個性化學(xué)習(xí)資源推薦方法及技術(shù)
    1. 基于推薦算法的個性化學(xué)習(xí)資源推薦
    2. 基于機器學(xué)習(xí)的個性化學(xué)習(xí)資源推薦
二、問題描述與方法框架
    1. 問題描述
    2. 個性化學(xué)習(xí)資源推薦方法框架
三、模型設(shè)計
    1. 基于互信息特征選擇模型 (MIFS)
    2. 學(xué)習(xí)者-資源的二部圖關(guān)聯(lián)模型
    3. 深度神經(jīng)網(wǎng)絡(luò)模型
四、實驗研究
    1. 實驗方案
    2. 評價指標(biāo)
    3. 實驗結(jié)果與討論
五、推薦系統(tǒng)的初步實現(xiàn)與評價
六、總結(jié)


【參考文獻】：
期刊論文
[1]基于二部圖的學(xué)習(xí)資源混合推薦方法研究[J]. 劉忠寶,李花,宋文愛,孔祥艷,李宏艷,張靜.  電化教育研究. 2018(08)
[2]面向大規(guī)模在線學(xué)習(xí)的社會化推薦模型與方法[J]. 包昊罡,李艷燕,鄭婭峰.  現(xiàn)代遠程教育研究. 2018(03)
[3]人工智能視域下機器學(xué)習(xí)的教育應(yīng)用與創(chuàng)新探索[J]. 余明華,馮翔,祝智庭.  遠程教育雜志. 2017(03)
[4]動態(tài)思維導(dǎo)圖引導(dǎo)的知識資源共建共享模型[J]. 韓營,趙蔚,姜強,孟凡媛.  現(xiàn)代遠程教育研究. 2017(01)
[5]一種基于特征提取的教育視頻資源推送方法[J]. 文孟飛,胡超,于文濤,劉偉榮.  現(xiàn)代遠程教育研究. 2016(03)
[6]利用社交關(guān)系的實值條件受限玻爾茲曼機協(xié)同過濾推薦算法[J]. 何潔月,馬貝.  計算機學(xué)報. 2016(01)
[7]本體驅(qū)動的e-Learning知識資源個性化推薦研究[J]. 趙蔚,姜強,王朋嬌,王麗萍.  中國電化教育. 2015(05)
[8]特征選擇方法綜述[J]. 姚旭,王曉丹,張玉璽,權(quán)文.  控制與決策. 2012(02)



本文編號：3656022