基于语义的学习资源难度评价和推荐

摘要

本文以有效利用互联网上的学习资源为目标，针对如何帮助学习者从海量学习资源中快速找到最符合自身需求的资源，从学习资源的难度评价和推荐方法两方面进行了深入研究。
　　首先，结合当前学习资源集成应用研究中存在的资源“超载”与适应性弱的不足，提出了一种学习资源难度评价和推荐框架，自下向上依次为资源层、语法层、语义层、服务层和应用层，明确了基于语义本体的难度评价和个性化推荐的相关技术。
　　其次，研究领域知识语义本体的构建，以计算机学科为例，利用维基百科分类数据建立了中文计算机学科领域本体，并以基于本体的语义技术为学习资源的难度评价和个性化推荐提供了语义基础，包括基于本体的语义相似度和知识点难度计算方法。
　　再次，针对学习资源中与学习者关系最为密切的元数据之一——学习难度，本研究充分分析了影响学习资源难度的内容难度、组织难度和表征难度三个主要方面，提出了一种基于语义本体和层次分析法的学习资源难易程度评价方法，为学习者挑选适合自身学习水平的学习资源提供了参考依据。
　　然后，根据抽取的学习资源的学习难度，并结合语义本体，提出了基于语义扩展的文档向量模型，实现了面向用户需求的学习资源匹配和推荐方法。另外，本研究还基于开源搜索引擎实现了语义扩展的学习资源索引和面向用户需求的学习资源查询接口。
　　最后，本文介绍了学习资源推荐系统的总体功能，详细阐述了关键技术，并展示了所实现的原型系统中学习资源的查询及推荐过程。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 主要问题

1.4 课题的研究内容

1.5 本文的组织结构

2 学习资源推荐系统框架

2.1 系统逻辑层次结构

2.2 系统框架结构

2.3 系统的特点

2.4 本章小结

3 学科领域本体构建

3.1 利用维基百科构建领域本体

3.2 语义相似度

3.3 本章小结

4 基于本体和层次分析法的学习资源难度评价

4.1 学习资源难度影响因素分析

4.2 基于本体的学习难度指标权重计算方法

4.3 基于层次分析法的学习难度评价方法

4.4 本章小结

5 学习资源推荐

5.1 推荐模型

5.2 语义扩展的文档向量模型

5.3 本章小结

6 系统开发与实现

6.1 系统总体功能模块

6.2 系统的实现及相关技术

6.3 系统功能展示

6.4 本章小结

7 总结与展望

7.1 工作成果总结

7.2 未来研究方向

参考文献

攻读硕士学位期间发表的学术论文

致谢