基于知識(shí)點(diǎn)的學(xué)習(xí)內(nèi)容個(gè)性化推薦研究.pdf

1、隨著Internet的迅速發(fā)展，全球?qū)K身教育的需求以及現(xiàn)代遠(yuǎn)程教育的深入開展，以異步教育方式為主要特征的E-Learning正成為Internet上的一種重要應(yīng)用，同時(shí)E-Learning系統(tǒng)也越來越需要為用戶提供個(gè)性化的服務(wù)。所謂個(gè)性化服務(wù)就是根據(jù)用戶的個(gè)性持征，如興趣、愛好和認(rèn)識(shí)水平等，為不同的用戶提供不同的服務(wù)。Internet的分布式資源環(huán)境能夠在知識(shí)獲取方式和協(xié)作學(xué)習(xí)等方面為遠(yuǎn)程教育和知識(shí)服務(wù)提供有力的支持。Internet

2、上的學(xué)習(xí)資源日益豐富，但是目前的E-Learning應(yīng)用還存在一些不足，例如動(dòng)態(tài)異構(gòu)Web環(huán)境下的個(gè)性化學(xué)習(xí)、推薦資源粒度等問題。針對(duì)E-Learning應(yīng)用中存在的問題，本文從用戶特征模型的建立、用戶興趣度度量和個(gè)性化推薦算法等幾個(gè)方面進(jìn)行了研究和分析，提出了一種改進(jìn)后的個(gè)性化推薦算法。
　　 本文的主要工作包括：個(gè)性化用戶模型的構(gòu)建，用戶興趣度的研究和度量方法，個(gè)性化推薦算法的研究和改進(jìn)，基于《計(jì)算機(jī)網(wǎng)絡(luò)》課程知識(shí)點(diǎn)的學(xué)習(xí)內(nèi)

3、容推薦系統(tǒng)的設(shè)計(jì)。
　　 1）研究基于關(guān)鍵詞向量模型的表示法、基于用戶—項(xiàng)目評(píng)價(jià)矩陣的表示和基于本體的表示法，在其中選擇與本體相結(jié)合的方法作為本文用戶模型的表示方法，本體可以很精確的表示出復(fù)雜的用戶基本信息和擴(kuò)展信息，利用本體的推理機(jī)制，可以很容易的更新用戶模型，找到用戶潛在的興趣。
　　 2）研究用戶模型中用戶行為對(duì)興趣度的影響，從資源類型、測(cè)試問卷反饋結(jié)果、用戶保存資源、收藏資源、對(duì)資源的訪問頻率和用戶在資源上的停留

4、時(shí)間這幾個(gè)方面來進(jìn)行研究和度量，得出用戶興趣度的度量方法。
　　 3）通過對(duì)現(xiàn)有推薦算法的研究和分析，在學(xué)習(xí)內(nèi)容推薦方面對(duì)現(xiàn)有的推薦算法進(jìn)行了改進(jìn)，將用戶-知識(shí)點(diǎn)項(xiàng)的評(píng)分矩陣轉(zhuǎn)化為用戶-類別評(píng)分矩陣，這樣可以有效的解決推薦算法中稀疏矩陣的問題，大大降低數(shù)據(jù)的稀疏度。并且通過實(shí)驗(yàn)，有效的驗(yàn)證了改進(jìn)后的推薦算法比傳統(tǒng)的推薦算法在學(xué)習(xí)內(nèi)容推薦方面有了很大的提高。
　　 4）構(gòu)建《計(jì)算機(jī)網(wǎng)絡(luò)》課程的知識(shí)點(diǎn)本體資源庫(kù)，運(yùn)用本文改進(jìn)