学习资源个性化推荐系统的学习者模型构建

互联网的高速发展导致网络学习资源数量迅速增长,案例教学、理论教学等教学资源的个性化推荐受到更多关注。学习者模型是实现个性化推荐的依据。文章以CELTS-11学习者模型规范为基础,针对学习者的个性差异,在学习过程中对基本信息、学习风格、知识状态、认知能力、兴趣偏好等个性化特征展开研究,解决目前资源推荐系统的学习者模型中学习者特征描述不全面、个性化程度不高等问题,构建出了个性化的学习者模型,为学习资源的推送提供了有力的依据,应用效果表明了该方法的有效性。     

基于学习者建模和数据挖掘的个性化学习路径推荐研究

在线学习作为一种新型的学习方式,能够为学习者提供个性化的学习支持。有效推荐个性化学习路径是学习服务研究中的重点问题。文章结合大数据背景下个性化学习的特征,建立学习者模型,通过数据挖掘技术深入分析学习者的学习行为信息以及知识之间的关系,结合基于内容的推荐和协同过滤的推荐方式,设计个性化学习路径推荐的具体方案,为解决在线学习过程中学习者面临的“信息过载”和“知识迷航”问题提供参考和借鉴。     

基于语义目录的个性化检索模型研究

针对传统信息检索方法的缺点提出了基于语义目录的个性化检索模型,说明了其原理、工作流程及关键技术。与传统的信息检索方法相比,该模型不仅在查准率和查全率方面都有所提高,还能根据用户需要完成个性化的信息检索。     

基于链式存储结构的协同过滤推荐算法设计与实现

链式存储结构是数据的一种存储方式,它具有插入、删除操作灵活的特性,可以很好地适应数据变化。在分析协同过滤推荐算法数据对象特点及实现原理的基础上,以十字链表、邻接表为存储结构设计了基于内存的链式数据存储方法,并在此基础上实现了一组操作,这些操作可以完成评分数据创建、相似度计算、评分预测和推荐列表生成等功能。链式存储结构及相关操作能方便地进行功能扩展,并可根据需要实现更为复杂的操作。     

基于用户兴趣的文献个性化推荐研究

针对当前文献推荐中个性化程度不高等问题,提出一种对用户行为重新分配权重的度量算法。运用用户行为数据按照时间顺序重新分配权重,突出近期用户兴趣构建用户兴趣模型。通过LDA主题分布、关键词分布等方法构建学术资源模型,实现两模型间匹配,完成推荐。通过实验验证,该算法准确性达到80%,比传统等权重算法提高近20%,召回率与F值分别提升了7%和5%。研究表明,基于时间因素的用户兴趣度量算法相较于传统等权重算法具有更高的准确性,未来可进一步优化用户兴趣度量以实现精准推荐服务。     

一种改进的基于内容的个性化推荐模型

针对传统基于内容的推荐模型,在用户低频率选择情况下无法给出准确度较高的推荐结果的问题,提出一种改进的适用于用户低频率选择情况下的基于内容的推荐模型。首先构建用户的特征文件,然后应用聚类算法对用户特征文件进行分析,根据聚类分析结果获得目标用户的最终描述文件,最后通过计算目标用户最终描述文件与项目描述文件之间的相似性给出推荐结果。     

基于学习者画像的个性化学习策略研究

学习者画像是为学习者提供精准个性化服务的核心,也为个性化学习提供了新的研究方向。从学习者画像的数据收集方法和画像的基本结构以及构建方法入手,并在此基础上探究可以推荐的个性化学习策略。最后指出学习者画像会随着外部因素的不同而产生变化的,因此同一个人在不同课程上的学习者画像是不同的,为后续探究影响学习者画像的因素做好铺垫。     

面向成人教育的个性化学习环境中学习者模型构建及推荐策略

随着以人为本的教育理念不断升温,个性化学习受到当前国内外研究者的普遍关注。其中,学习者模型反映了学习者的个性化需求,记录了学习者的个性特征,是个性化学习的重要依据。依据学习者行为,可从领域相关和领域无关两个方面,综合学习者知识水平、学习兴趣、学习风格和学习偏好四个维度,构建学习者模型,并相应地采取学习兴趣推荐策略、学习水平推荐策略、学习风格推荐策略、学习偏好策略。     

基于深度学习的数字图书馆资源个性化推荐模型设计

针对海量在线资源带来的“信息迷航”情况,本文提出基于深度学习的数字图书馆资源个性化推荐模型.首先对深度学习的特点进行分析,再运用其对数字图书馆用户进行画像建模,根据用户特征、行为与偏好等信息,构建用户画像,再根据提取到的用户画像特征,结合深度学习算法,引入用户特征与时间关系参数,提高用户与资源间的匹配度,以此实现数字图...     

一种基于区域—图非对称匹配的少数民族服饰检索方法

针对少数民族服饰具有的典型纹样图案和款式特征,提出一种基于区域—图非对称匹配的少数民族服饰图像检索方法,首先利用 gPb-OWT-UCM 算法对检索图像进行区域分割,然后将分割后图像中的每个区域特征与未分割的待检索图像进行基于动态规划的非对称匹配,并通过评估匹配组的布局一致性计算少数民族服饰图像之间的相似度,最后通过排序实现图像检索任务。实验结果表明,与传统基于外观特征的方法相比,该方法不仅可以获得较好的图像检索效果,还可以通过相似区域匹配结果呈现不同少数民族服饰独有的风格特征,为少数民族服饰文化的数字化保护与传承提供有效途径。     

基于混合模型的个性化阅读系统设计

为解决协同过滤推荐算法冷启动和数据稀缺的问题,提高个性化阅读系统推荐准确性,根据图书特点,提出一种融合协同过滤算法和兴趣标签算法的个性化阅读系统设计。通过交叉调和方法,给定一个适当的融合比将两种推荐算法的推荐结果进行融合,保证系统在解决冷启动问题的同时,能够增加推荐列表新鲜度,提高推荐准确度,保持个性化阅读系统优越性。结果表明,该方法即使没有评级也能合理推荐,在推荐准确性和图书种类方面优于传统方法。     

基于语义网的数字化家具模型本体设计与检索

针对传统检索方式在三维模型爆发性增长背景下出现的种种缺陷,以家具模型为切入点,对基于语义网和本体技术的三维创意素材模型的本体构建与检索进行研究设计,实现三维数字模型智能化检索。将本体技术和语义检索与三维模型结合,对不同类型的家具模型进行数字化描述、特征提取及要素分类,通过OWL本体描述语言创建本体,并将本体模型存入数据库从而形成模型素材本体库,根据语义规则构造可被机器理解的检索方式,为实现大众参与下的创新创意设计和产品快速原型设计打下基础。     

云平台个性化教学资源供给模式探索

云平台上拥有海量的教学资源,如何为学习者提供符合其自身学习需求的教学资源是一个值得研究的课题。分析教学资源的供给流程、主体及主体之间的关系,并从学习者个性化信息的收集和分析结果出发,以定义在云计算平台上的个性化教学资源供给模式。云平台需要更加合理高效的教学资源组织形式,引入“学习元”的泛在学习资源组织概念,从资源实体和资源描述文件两个方面进行详细阐述,并提出了教学资源个性化推荐模型。     

高校自动排课系统核心算法的设计与实现

排课是高校教务管理部门的一项非常烦琐的工作，解决好排课问题对于整个教学工作的有序开展有着十分重要的意义，着眼于自动排课系统的设计与实现，从系统的数学建模入手，主要介绍了基本资料管理、自动排课及逆排课等功能的算法设计与实现过程。实验结果表明，该系统能获得较好的排课效果，具有一定的合理性和实用性。     

一种特征匹配算法的改进及其在图像检索系统的应用

图像检索就是根据对图像内容的描述,在目标图像集合中找到具有指定特征或包含指定内容的图像.因此,一个好的检索匹配算法是精确、快速检索的根本前提.     

基于隐马尔可夫模型的Web用户访问序列挖掘

Web挖掘的一个研究方向是发现用户对网页的兴趣.用户的浏览网页意味着用户对该网页上的某种概念感兴趣.文中提出基于隐马尔可夫模型,对用户访问网页的序列进行分析,发现用户感兴趣的概念,然后把蕴含用户感兴趣概念程度最大的网页推荐给用户.这种模式实质上是一种Web服务设计,给用户提供个性化的优质服务,提高网站的服务质量.     

基于语义的web服务匹配算法研究与实现

随着Internet信息的迅速增长,快速而有效地查找网络信息成为获取网络信息的基础.为了实现高效查找web服务,提出一种基于语义的三阶段匹配算法,首先对web服务进行基于关键字的分类筛选,然后实现web服务基于语义的功能匹配,最后实现web服务的非功能匹配.实践证明,该算法能够提高web服务匹配效率.     

一种基于本体的信息检索模型

随着互联网上信息数量的激增,传统的信息检索技术已无法满足用户的需要。本体作为一种能在语义和知识层次上描述信息系统的概念模型建模工具,可以克服传统的信息检索技术的局限性。针对电子政务领域,介绍了一种基于本体的信息检索系统模型。应用表明,该模型可以实现政府部门之间的互操作,改善民众和政府之间的会话。