隨著在線教育的發(fā)展,我國在線教育的課程規(guī)模和應(yīng)用范圍逐漸攀升至世界首位。在線課程在給人們帶來方便快捷的學(xué)習(xí)方式的同時,也易因課程資源過多引發(fā)學(xué)習(xí)者產(chǎn)生認知迷航或課程選擇困難等問題。利用個性化推薦方法,能夠幫助學(xué)習(xí)者從海量的課程中自動挑選出適合其認知基礎(chǔ)或?qū)W習(xí)興趣的專屬課程�，F(xiàn)階段課程推薦算法的應(yīng)用仍然存在著數(shù)據(jù)稀疏、知識邏輯關(guān)系缺乏以及可解釋性不足等問題。第一,數(shù)據(jù)稀疏問題。在線教育平臺提供了海量的課程供龐大的學(xué)習(xí)群體進行選擇,但由于學(xué)習(xí)者選擇的課程數(shù)目較少,以至推薦模型可利用的交互行為數(shù)據(jù)十分稀疏,由此挖掘出的用戶興趣易出現(xiàn)偏差,降低推薦結(jié)果的準確度與穩(wěn)定性。第二,知識邏輯關(guān)系缺乏�；趯W(xué)習(xí)者興趣的課程推薦未考慮不同課程在知識體系中的內(nèi)在邏輯關(guān)系,存在推薦的課程難度停滯、無序等問題,難以使學(xué)習(xí)者按照課程之間的內(nèi)在邏輯來進行學(xué)習(xí)路徑規(guī)劃。因此,在進行課程推薦時考慮課程之間的語義關(guān)系,在知識層面尋找用戶的興趣路徑是必要且有意義的。第三,可解釋性不足。在推薦場景中,給予恰當?shù)耐扑]結(jié)果解釋,可以提升用戶的信任與接受度。當前主流的推薦方法多數(shù)通過訓(xùn)練擬合學(xué)習(xí)者與選課行為之間的函數(shù)關(guān)系,但由于求... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１網(wǎng)絡(luò)爬蟲基本結(jié)構(gòu)??網(wǎng)絡(luò)爬蟲按照系統(tǒng)結(jié)構(gòu)和實現(xiàn)技術(shù)，大致可以分為以下幾種類型：通用網(wǎng)絡(luò)爬??蟲（Ｇｅｎｅｒａｌ?Ｐｕｒｐｏｓｅ?Ｗｅｂ?Ｃｒａｗｌｅｒ）、聚焦網(wǎng)絡(luò)爬蟲（Ｆｏｃｕｓｅｄ?Ｗｅｂ?Ｃｒａｗｌｅｒ）、增量式??

？碩士學(xué)位論文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??終止條件［３８］。??０刀始化ＵＲＬ隊歹ｊ??，ｒ???？從隊列中取出一個ＵＲＬ???Ｊ????？讀�。眨遥添撁�??＞＾?＋ｎ＾Ｙ?Ｊ?將無效ＵＲＬ加入錯誤ＵＲＬ??￣１?隊列中??Ｎ??＼?ｙ??解析此頁面???ｊ???保存此次順姻賴一＾彳紀己爬???面還包含新的ｕ＾＞??Ｎ?????滿足停止條??（停止）??圖２．２網(wǎng)絡(luò)爬蟲實現(xiàn)流程??在本文中，我們將使用網(wǎng)絡(luò)爬蟲技術(shù)獲取學(xué)習(xí)者－課程交互數(shù)據(jù)、課程內(nèi)容數(shù)??據(jù)以及知識圖譜等實驗相關(guān)數(shù)據(jù)。將數(shù)據(jù)從網(wǎng)絡(luò)上爬取之后，對各種原始數(shù)據(jù)進??行分析、整理、計算、編輯等數(shù)據(jù)清洗工作，最后將處理后的數(shù)據(jù)存儲為數(shù)據(jù)文??件，完成課程推薦相關(guān)基礎(chǔ)數(shù)據(jù)集的收集。??１１??

和搜狗“知立方”以期優(yōu)化搜索結(jié)果。國家也十分重??視知識圖譜技術(shù)的發(fā)展與應(yīng)用，《新一代人工智能發(fā)展規(guī)劃》指出，要重點研宄知識??圖譜相關(guān)技術(shù)（概念識別、實體發(fā)現(xiàn)、關(guān)系挖掘等），并形成涵蓋數(shù)十億實體規(guī)模的??多源、多學(xué)科和多數(shù)據(jù)類型的知識圖譜［３９］。隨著人工智能的發(fā)展，知識圖譜開始在??“人人理解”的領(lǐng)域中逐漸發(fā)揮出它強大的能力，成為通向機器智能化時代的階梯。??知識圖譜相關(guān)技術(shù)可以劃分為知識表示與建模、知識獲娶知識融合、知識圖??譜查詢推理及知識圖譜應(yīng)用五個子領(lǐng)域，其基本技術(shù)體系如圖２．３所示。??｜第三方數(shù)??據(jù)庫?????ｙ?ｒ????????■？數(shù)據(jù)整合?知識更新?知識檢索??實體抽取???????ｉ?????Ｉ???半｜｜化——■？關(guān)系抽取一＿—實體對齊——？本體構(gòu)建——？質(zhì)量評估——識圖??非Ｉ篇化?屬性抽取??矢口?ｉ只撕又?知識推理???知識融合??圖２．３知識圖譜技術(shù)體系??由于本研宄需要構(gòu)建課程推薦知識圖譜，因此將對知識圖譜構(gòu)建中涉及的相關(guān)??１２??

【參考文獻】：
期刊論文
[1]基于張量分解和深度學(xué)習(xí)的混合推薦算法[J]. 張家精,夏巽鵬,陳金蘭,倪友聰.  南京大學(xué)學(xué)報(自然科學(xué)). 2019(06)
[2]結(jié)合信任度和項目關(guān)聯(lián)的混合推薦算法[J]. 楊豐瑞,吳曉浩,萬程峰.  計算機工程與科學(xué). 2019(11)
[3]基于用戶特定特征及內(nèi)容的景點推薦模型研究[J]. 李川,張少茹.  計算機與數(shù)字工程. 2019(10)
[4]基于領(lǐng)域本體的學(xué)習(xí)路徑推薦策略研究[J]. 嚴曉梅,李小青,周博.  軟件導(dǎo)刊. 2019(09)
[5]政府工作報告——2019年3月5日在第十三屆全國人民代表大會第二次會議上[J]. 李克強.  中華人民共和國國務(wù)院公報. 2019(09)
[6]深度學(xué)習(xí)視角下基于多模態(tài)知識圖譜的MOOC課程重構(gòu)[J]. 王亮.  現(xiàn)代教育技術(shù). 2018(10)
[7]個性化學(xué)習(xí)資源推薦算法研究[J]. 衛(wèi)文婕,付宇博.  中國教育信息化. 2018(18)
[8]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)
[9]利用LSTM網(wǎng)絡(luò)和課程關(guān)聯(lián)分類的推薦模型[J]. 王素琴,吳子銳.  計算機科學(xué)與探索. 2019(08)
[10]基于MOOC平臺數(shù)據(jù)和知識圖譜的學(xué)習(xí)路徑推薦——以軟件工程專業(yè)為例[J]. 吳強強,陳昊鵬,趙子濠,蔣建偉.  工業(yè)和信息化教育. 2017(11)

碩士論文
[1]基于深度學(xué)習(xí)的課程推薦與學(xué)習(xí)預(yù)測模型研究[D]. 朱柳青.浙江工商大學(xué) 2018
[2]基于學(xué)習(xí)分析的適應(yīng)性學(xué)習(xí)路徑推薦系統(tǒng)設(shè)計與開發(fā)[D]. 陳智慧.華中師范大學(xué) 2016
[3]基于時間效應(yīng)和用戶興趣變化的改進推薦算法研究[D]. 孫光輝.北京郵電大學(xué) 2014



本文編號：3447289