基于知识关联的学习资源推荐策略研究及系统实现

摘要

随着教育信息化的飞速发展，以及教育大数据的到来，各类数字化学习平台中的数字化学习资源呈爆炸式增长。学习者可获取丰富的学习资源，同时面临的“信息过载”问题也日益严重，易出现知识迷航、主题漂移等问题。而学习资源个性化推荐技术是解决此类问题的有效手段。
　　目前，针对学习资源个性化推荐的研究，虽然利用个性化推荐技术在一定程度上解决了上述问题，但是缺乏对学习者、知识点、学习资源三者之间知识关联性的把握，在巩固、修正及预测学习者的学习路径上存在一定的缺陷。因此，随着学习的深入，导致学习者学习不连贯、不系统，最终发生知识迷航、主题漂移以及学习兴趣度下降的问题。针对这些问题，本文提出了基于知识关联的学习资源推荐策略，设计并实现了基于该推荐策略的个性化推荐系统。论文的主要工作包括:
　　首先，本文利用知识资源关联性，分析学习者、知识点及学习资源三者之间的知识关联性，构建了学习者知识资源关联模型。同时，利用此模型分析学习者的学习路径和学习风格。
　　其次，将学习者知识资源关联模型与个性化推荐技术相结合，提出包含基于知识关联的内容推荐算法和协同过滤推荐算法的学习资源个性化推荐策略。该策略从学习者知识关联模型和知识相似用户群两个角度，发掘学习者的学习兴趣，巩固、修正及预测学习者的学习路径，并通过实验验证算法的有效性。
　　最后，基于上述推荐策略，依托于资源融合平台，设计了基于知识关联的学习资源个性化推荐系统的客户端、服务端及数据库架构，完成了资源推荐、资源解释、学习行为数据采集三大模块的功能实现。并对系统进一步开展功能测试和性能测试，多方面验证了系统的有效性及稳定性。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．2．1 个性化推荐研究

1．2．2 学习资源个性化推荐研究

1．2．3 研究现状小结

1．3 研究内容

1．4 论文组织结构

第二章 相关理论及技术概述

2．1 知识关联概述

2．1．1 知识关联定义及分类

2．1．2 知识关联的结构

2．2 个性化学习

2．2．1 个性化学习理论概述

2．2．2 个性化学习系统

2．2．3 个性化学习推荐系统

2．3 个性化推荐技术

2．3．1 基于协同过滤的推荐技术

2．3．2 基于内容的推荐技术

2．3．3 混合推荐技术

2．4 本章小结

第三章 基于知识关联的学习资源推荐策略研究

3．1 知识资源关联性分析

3．1．1 知识点间关联性

3．1．2 知识点与学习资源关联性

3．2 学习者知识资源关联模型

3．2．1 学习者知识资源关联模型的构建及更新

3．2．2 学习路径分析

3．2．3 学习风格分析

3．3 基于知识关联的内容推荐算法

3．3．1 学习者知识关联模型

3．3．2 具体推荐算法过程

3．3．3 实验分析

3．4 基于知识关联的协同过滤推荐算法

3．4．1 基于知识关联的相似度度量方法

3．4．2 具体推荐算法过程

3．4．3 实验分析

3．5 本章小结

第四章 学习资源个性化推荐系统的设计与实现

4．1 系统总体架构设计

4．1．1 客户端设计

4．1．2 服务端设计

4．1．3 数据库设计

4．2 接口服务模块实现

4．2．1 系统接口服务设计实现

4．2．2 数据生成与更新接口实现

4．2．3 推荐业务逻辑接口实现

4．3 客户端功能模块实现

4．3．1 学习行为数据采集模块实现

4．3．2 学习资源推荐呈现和推荐解释模块实现

4．4 本章小结

第五章 系统测试

5．1 测试环境

5．2 功能测试

5．3 性能测试

5．4 本章小结

第六章 总结与展望

6．1 论文总结

6．2 工作展望

参考文献

攻读硕士学位期间个人成果

致谢