泛在学习环境下学习资源推荐系统的研究与设计

摘要

近年来，随着全民学习、终身学习等观念的普及，非正式学习得到了越来越多的人的关注。移动通信技术的发展使得非正式学习的方式经历了由数字学习到移动学习再到如今的泛在学习的发展过程，学习方式变得更加灵活、便捷和个性化。泛在学习因其可以使学习者根据自己的需求随时随地利用任何终端学习的特性，适应了现代社会对学习的需求，受到人们的普遍欢迎，并成为未来学习的发展趋势。而泛在学习资源是泛在学习得以开展的重要支撑，因此，如何设计与开发高效、便捷、个性化的泛在学习资源成为了泛在学习研究的一项重要内容。基于此，本研究首先重点研究了泛在学习资源，从学习资源信息模块、学习资源进化模块以及学习资源活动模块对学习资源进行设计，使得学习资源具有泛在性、情境性、联通性等特性。
　　现阶段，互联网成为了学习者获取学习资源的重要渠道，然而，随着网络资源数量爆炸性的增长，仅仅通过传统的搜索引擎方式来获取信息存在着返回结果多、准确性差等缺点，这使得学习者无法获得满意的学习资源，而近年来个性化推荐技术在商务领域的成功应用为解决这一问题提供了一个新的思路。将个性化推荐技术引入教育领域，并与泛在学习资源相结合，可以很好地帮助学习者获得个性化的泛在学习资源。基于此，本研究对目前流行的个性化推荐技术做了比较分析，结合泛在学习资源的特点，使用协同过滤推荐算法为学习者推荐学习资源。
　　本研究首先通过分析研究泛在学习及其资源的特点，对泛在学习资源模型进行了设计，并通过研究与比较多种个性化推荐技术，确定使用协同过滤推荐技术对泛在学习资源进行推荐。随后，本研究对学习者兴趣模型进行了设计，并利用协同过滤算法为其推荐资源。最后，本研究对泛在学习资源推荐系统从需求分析到代码实现做了具体设计，将以上理论应用于实际中。

目录

声明

致谢

摘要

1 引言

1．1 研究背景及选题意义

1．2 国内外研究现状

1．2．1 泛在学习研究现状

1．2．2 学习资源研究现状

1．2．3 推荐系统研究现状

1．2．4 研究现状小结

1．3 论文主要内容

1．4 论文内容组织结构

2 相关理论研究

2．1 泛在学习介绍

2．1．1 泛在学习的概念

2．1．2 泛在学习的理论基础

2．1．3 泛在学习的特点

2．2 泛在学习资源新型组织形式——学习元

2．2．1 “学习元”的概念及特性

2．2．2 “学习元”的构成要素

2．2．3 “学习元”的资源信息模型

2．3 个性化推荐

2．3．1 个性化推荐系统简介

2．3．2 基于关联规则的推荐

2．3．3 基于聚类的推荐

2．3．4 基于内容的推荐

2．3．5 基于协同过滤的推荐

2．3．6 推荐技术小结

3 泛在学习环境下学习资源模型设计

3．1 泛在学习环境下学习资源建设现状分析

3．1．1 开放的学习资源平台与学习资源管理水平低下的矛盾

3．1．2 海量的学习资源与学习者很难获得需要的学习资源的矛盾

3．1．3 丰富的学习内容与学习者学习效率低的矛盾

3．1．4 学习资源众多与资源无法关联的矛盾

3．2 泛在学习资源模型设计

3．2．1 学习资源信息模块

3．2．2 学习资源进化模块

3．2．3 学习活动模块

3．2．4 泛在学习资源模型小结

4 泛在学习环境下学习资源个性化推荐研究

4．1 学习资源个性化推荐现状分析

4．2 协同过滤推荐算法

4．2．1 基于用户的(User-based)协同过滤推荐算法

4．2．2 基于项目的(Item-based)协同过滤推荐算法

4．2．3 UserCF与ItemCF算法比较及问题分析

4．2．4 优化的协同过滤推荐算法

4．3 学习者兴趣建模

4．3．1 学习者兴趣建模的相关理论及方法

4．3．2 学习者兴趣模型的建立

4．4 向学习者推荐泛在学习资源

4．4．1 相似度计算

4．4．2 产生推荐

5 泛在学习资源推荐系统的具体设计

5．1 需求分析

5．1．1 系统功能性需求

5．1．2 系统非功能性需求

5．1．3 系统的体系结构

5．1．4 系统的使用流程

5．2 数据库的设计

5．3 系统的主要功能详细设计

5．3．1 系统界面的设计

5．3．2 推荐部分的设计

5．4 测试与结果

5．4．1 测试数据集及测试环境

5．4．2 测试评价指标

5．4．3 测试结果分析

6 总结与展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集