本文關(guān)鍵詞：農(nóng)民現(xiàn)代遠程教育個性化學習關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 遠程教育 個性化學習 用戶興趣模型 推薦算法 領(lǐng)域本體

【摘要】：開展農(nóng)民現(xiàn)代遠程教育是提升農(nóng)村信息化水平、消除數(shù)字鴻溝、構(gòu)建農(nóng)民終身教育體系的一項重要戰(zhàn)略部署。目前,隨著計算機和通信技術(shù)的快速發(fā)展,網(wǎng)絡學習資源增長迅速,農(nóng)民在遠程教育學習過程中,面臨著 信息迷航‖以及 資源過載‖問題,主要原因是現(xiàn)有的遠程教育系統(tǒng)不能有效的理解教學資源的語義信息,不同結(jié)構(gòu)的教學資源未能夠有效的組織成有效的知識。另外,系統(tǒng)無法為不同學習需求和背景的用戶提供符合其偏好特征的學習資源。如何從大量的學習資源中快速、有效地獲取個性化學習信息已經(jīng)成為學習者迫切的需要。本文主要探討研究了農(nóng)民現(xiàn)代遠程教育個性化學習關(guān)鍵技術(shù),研究采用理論建模、數(shù)學分析、實驗仿真驗證和實際部署等方法。論文在個性化學習關(guān)鍵技術(shù)理論研究和實踐探索方面,主要取得了以下幾方面成果:(1)提出了農(nóng)民遠程教育個性化學習系統(tǒng)框架。以遠程教育教學資源、農(nóng)民學習行為和教學資源屬性信息為依據(jù),以計算機和信息技術(shù)手段為支撐,提出了氋效的農(nóng)民遠程教育個性化學習系統(tǒng)架構(gòu)。(2)開發(fā)構(gòu)建了農(nóng)民遠程教育視頻教學資源領(lǐng)域本體。研究并優(yōu)化領(lǐng)域本體構(gòu)建方法,開發(fā)構(gòu)建的視頻教學資源領(lǐng)域本體為用戶興趣模型提供可靠的語義知識支持。(3)研究構(gòu)建了基于用戶屬性信息和教學資源領(lǐng)域本體的個性化用戶興趣模型,有效緩解了用戶學習行為變化預測不準、算法空間復雜度高以及影響用戶學習行為分析不準確全面等問題。(4)提出了基于用戶屬性信息及其興趣主題聯(lián)合相似度的協(xié)同過濾推薦算法,緩解了個性化系統(tǒng)中存在的稀疏性以及新用戶問題。開展了基于序列分析的個性化推薦算法研究工作,通過實驗找出最小支持度閾值設置范圍在0.003%至0.004%之間,能兼顧算法的準確率和覆蓋率。(5)研發(fā)了農(nóng)民遠程教育個性化學習系統(tǒng)原型,在實踐中驗證了領(lǐng)域本體、用戶興趣模型和個性化推薦算法等關(guān)鍵技術(shù)和方法研究理論的有效性。研究創(chuàng)新之處主要體現(xiàn)在:在研究構(gòu)建的遠程教育視頻教學資源領(lǐng)域本體基礎上,提出了基于用戶屬性信息和教學資源領(lǐng)域本體的個性化用戶興趣模型,解決了用戶興趣模型缺少層次概念語義問題,模型具有較好的擴展性和自我調(diào)節(jié)能力。在教學資源領(lǐng)域本體和用戶興趣模型研究基礎上,提出了基于用戶屬性信息和興趣主題聯(lián)合相似度的協(xié)同過濾推薦算法,有效緩解了評分矩陣的稀疏性、個性化推薦算法的時間復雜度高等問題。
【關(guān)鍵詞】：遠程教育 個性化學習 用戶興趣模型 推薦算法 領(lǐng)域本體
【學位授予單位】：中國農(nóng)業(yè)科學院
【學位級別】：博士
【學位授予年份】：2016
【分類號】：G434;G725
【目錄】：

• 摘要6-7
• Abstract7-17
• 英文縮略表17-18
• 第一章 緒論18-31
• 1.1 問題的提出18-19
• 1.2 研究背景、目的和意義19-21
• 1.2.1 研究背景19
• 1.2.2 研究目的19-20
• 1.2.3 研究意義20-21
• 1.3 研究現(xiàn)狀21-27
• 1.3.1 農(nóng)民現(xiàn)代遠程教育研究現(xiàn)狀21-23
• 1.3.2 個性化服務技術(shù)研究現(xiàn)狀23-27
• 1.4 研究的主要內(nèi)容和方法27-29
• 1.4.1 研究的主要內(nèi)容27-28
• 1.4.2 研究方法和技術(shù)路線28-29
• 1.5 論文組織結(jié)構(gòu)29-31
• 第二章 個性化學習理論和方法31-38
• 2.1 領(lǐng)域本體構(gòu)建技術(shù)31-32
• 2.2 用戶興趣模型構(gòu)建技術(shù)32-33
• 2.3 個性化推薦技術(shù)33-34
• 2.4 計算機相關(guān)技術(shù)34-37
• 2.4.1 軟件工程技術(shù)34-35
• 2.4.2 數(shù)據(jù)庫技術(shù)35-36
• 2.4.3 J2EE架構(gòu)36-37
• 2.5 本章小結(jié)37-38
• 第三章 遠程教育個性化學習系統(tǒng)框架研究38-44
• 3.1 個性化學習服務38-41
• 3.1.1 個性化學習概述38
• 3.1.2 個性化學習特征38-39
• 3.1.3 個性化學習技術(shù)39-41
• 3.2 個性化學習總體框架41-43
• 3.2.1 個性化學習層次結(jié)構(gòu)41-42
• 3.2.2 個性化學習的主要功能介紹42-43
• 3.3 本章小結(jié)43-44
• 第四章 農(nóng)民遠程教育視頻教學資源領(lǐng)域本體研究與構(gòu)建44-56
• 4.1 本體概述44-45
• 4.1.1 本體的基本概念44-45
• 4.1.2 本體分類45
• 4.2 本體的構(gòu)建45-48
• 4.2.1 本體描述語言45-47
• 4.2.2 本體構(gòu)建的一般方法47
• 4.2.3 本體實現(xiàn)工具47-48
• 4.3 農(nóng)民遠程教育視頻教學資源領(lǐng)域本體構(gòu)建48-55
• 4.3.1 領(lǐng)域本體的構(gòu)建過程48
• 4.3.2 遠程教育視頻教學資源的基本情況48-49
• 4.3.3 遠程教育教學資源領(lǐng)域本體構(gòu)建49-55
• 4.4 本章小結(jié)55-56
• 第五章 個性化用戶興趣模型研究與構(gòu)建56-70
• 5.1 用戶個性化興趣模型表示方法56-59
• 5.1.1 關(guān)鍵詞列表方法56
• 5.1.2 案例表示方法56-57
• 5.1.3 向量空間模型表示方法57-58
• 5.1.4 基于神經(jīng)網(wǎng)絡的用戶模型表示方法58
• 5.1.5 基于本體的用戶興趣模型表示方法58-59
• 5.2 用戶興趣建模技術(shù)59-60
• 5.2.1 用戶定制建模59
• 5.2.2 示例建模59
• 5.2.3 自動建模59-60
• 5.3 用戶模型的學習方法60-62
• 5.3.1 樸素貝葉斯方法60
• 5.3.2 Rocchio算法60-61
• 5.3.3 基于遺忘函數(shù)的用戶模型學習方法61-62
• 5.4 農(nóng)民遠程教育用戶興趣模型的構(gòu)建62-65
• 5.4.1 基于本體用戶興趣模型的優(yōu)勢62
• 5.4.2 農(nóng)民遠程教育用戶興趣模型構(gòu)建62-65
• 5.5 用戶興趣模型概念興趣度計算65-69
• 5.5.1 模型更新66
• 5.5.2 教學資源興趣度在用戶模型層數(shù)樹中的更新方式66-67
• 5.5.3 用戶興趣模型的更新方式67-69
• 5.6 本章小結(jié)69-70
• 第六章 農(nóng)民遠程教育個性化學習推薦技術(shù)研究70-93
• 6.1 推薦系統(tǒng)相關(guān)理論與技術(shù)70-73
• 6.1.1 信息搜索技術(shù)70
• 6.1.2 關(guān)聯(lián)規(guī)則推薦70-71
• 6.1.3 基于內(nèi)容的推薦技術(shù)71
• 6.1.4 協(xié)同過濾推薦技術(shù)71-73
• 6.2 個性化推薦系統(tǒng)存在主要問題73-74
• 6.3 主要的相似度計算方法74-75
• 6.4 基于協(xié)同過濾推薦技術(shù)的遠程教育個性化學習研究75-83
• 6.4.1 算法設計思路75-76
• 6.4.2 算法設計流程76
• 6.4.3 用戶基本屬性信息和感興趣主題相似度計算方法76-78
• 6.4.4 基于近鄰用戶的協(xié)同過濾推薦方法78-79
• 6.4.5 實驗驗證79-83
• 6.5 基于序列分析的個性化推薦算法研究83-92
• 6.5.1 序列分析算法83-84
• 6.5.2 遠程教育個性化學習序列推薦整體架構(gòu)84-86
• 6.5.3 基于序列分析的個性化推薦實驗設計86-92
• 6.6 本章小結(jié)92-93
• 第七章 農(nóng)民遠程教育個性化學習原型系統(tǒng)實現(xiàn)93-115
• 7.1 系統(tǒng)設計目標與原則93-94
• 7.2 系統(tǒng)開發(fā)環(huán)境94
• 7.3 系統(tǒng)整體架構(gòu)94-96
• 7.4 系統(tǒng)的功能設計96-97
• 7.5 數(shù)據(jù)庫設計97-101
• 7.6 原型設計101-111
• 7.6.1 個性化推薦模塊101-104
• 7.6.2 學習需求反饋模塊104-105
• 7.6.3 學習計劃管理模塊105-107
• 7.6.4 學習檔案管理模塊107-109
• 7.6.5 個性化專題管理模塊109
• 7.6.6 個性化學習后臺管理模塊109-110
• 7.6.7 用戶信息管理模塊110-111
• 7.7 用戶使用滿意度調(diào)研與測評111-114
• 7.8 本章小結(jié)114-115
• 第八章 總結(jié)與展望115-118
• 8.1 論文研究總結(jié)115-116
• 8.2 研究創(chuàng)新性116
• 8.3 展望116-118
• 參考文獻118-127
• 附錄127-129
• 致謝129-130
• 作者簡歷130-131

，

本文編號：604495