个性化学习中的知识推送系统研究

摘要

随着互联网技术和应用的普及，E-Learning已成为一种新颖的学习方式，它能够不受时空限制随时随地地向学习者提供丰富且开放的学习资源，从而受到人们的普遍欢迎，迅速成为现代教育教学体系重要形式之一。但在E-Learning快速发展的过程中，平台中的学习资源数量迅速膨胀，使得学习者面临这样的问题:第一，信息过载，即使花费大量的时间和精力去查阅和检索所需的学习资源，也不一定找得到符合自己兴趣和需要的学习资源信息;第二，平台建设仍停留在以物为主的层面上，忽略学习者的个性化特征，不能从根本上满足用户的需求。因此，知识推送系统的目标是迅速有效地为用户提供合适的学习资源信息。
　　 本文所研究个性化知识推送系统主要有以下内容:首先，研究了个性化推荐系统的背景及国内外的发展现状;然后，阐述了个性化推荐的相关理论和技术，详细介绍了常见的个性化推荐技术，并结合内容过滤推荐算法和协同过滤推荐算法，提出了一个优化的组合推荐算法，可以在一定程度上缓解传统协同推荐算法存在的数据稀疏性和冷启动问题;其次，引入了隐式评分机制，系统及时跟踪、记录学习者的学习行为，提取能够表示用户偏好的学习行为进行加权转化为用户对资源的评分，增加用户对资源的评分率，可有效解决协同算法的“0评分”问题;再次，根据个性化知识推送系统所要实现的目标和功能，提出了个性化知识推送系统的系统框架，从宏观上把握个性化推送系统的设计;以提升推荐系统的实时响应和推荐精度。最后设计了个性化知识推送系统。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 研究背景及意义

1．2 国内外推荐系统研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 论文结构和内容

1．4 本章小结

第2章 相关理论和技术基础

2．1 个性化推荐概述

2．1．1 个性化推荐的含义

2．1．2 个性化推荐的目标

2．1．3 个性化推荐的作用

2．2 个性化推荐系统概述

2．2．1 个性化推荐系统的概念

2．2．2 个性化推荐系统的研究内容

2．2．3 个性化推荐系统的基本框架

2．3 常用的个性化推荐技术

2．3．1 基于内容的推荐

2．3．2 基于关联规则的推荐

2．3．3 协同过滤推荐

2．3．4 基于内容和协同过滤技术的推荐

2．3．5 基于知识的推荐

2．3．6 基于人口统计的推荐

2．3．7 基于效用的推荐

2．3．8 各种推荐技术的比较

2．4 本章小结

第3章 基于组合推荐的个性化推送模型

3．1 相关个性化推荐算法

3．1．1 内容过滤推荐算法

3．1．2 项目评分预测算法

3．2 组合推荐算法

3．3 知识资源的隐式评分模型

3．4 基于协同过滤的个性化推荐模型

3．4．1 知识个性化推荐引擎

3．4．2 知识个性化推荐模型

3．5 本章小结

第4章 知识推送系统设计与实现

4．1 系统概述和设计目标

4．2 知识推送系统的设计

4．2．1 系统需求分析

4．2．2 功能结构分析

4．2．3 业务流程分析

4．2．4 数据库模型

4．3 知识推送系统的实现

4．3．1 开发模式及技术路线

4．3．2 协同过滤推荐算法实现

4．3．3 前台部分的实现

4．3．4 后台部分的实现

4．4 系统测试

4．4．1 系统功能测试

4．4．2 组合推荐算法性能测试

4．5 本章小结

结论

参考文献

致谢

附录A 攻读学位期间发表的学术论文