基于非干預式感知的個性化學業(yè)求助資源推薦研究進展
發(fā)布時間：2021-09-29 03:38
現(xiàn)代信息技術提供的強大移動終端、數(shù)據(jù)存儲和計算平臺,極大地促進了信息技術和教育學科的深度融合,有利地推動了"教育信息化2.0行動計劃"的實施,也為研究學業(yè)求助提供了堅實的技術保障.借助多種新型的感知機理和實現(xiàn)技術,建立日常教學實踐活動中非干預式的學業(yè)求助行為感知和分類,使實現(xiàn)自適應個性化的學業(yè)求助資源推薦成為可能.本文針對非干預式感知的個性化學業(yè)求助資源推薦研究狀況,展開具體分析,并針對未來可能研究進行了展望:學業(yè)求助非干預式感知、學業(yè)求助多源異構數(shù)據(jù)分析、以及學業(yè)求助資源個性化推薦方法.以上研究內(nèi)容充分利用和發(fā)揮了現(xiàn)代信息技術的優(yōu)勢,探索其在學業(yè)求助應用場景下切實可行的途徑和方法.有利于實現(xiàn)對學習者學業(yè)求助需求的精準定位并提供自適應個性化的資源推薦,貫徹了我國教育信息化2.0建設中的精準教育理念,具有理論和實際的雙重意義.
【文章來源】：華東師范大學學報(自然科學版). 2018,(05)北大核心CSCD
【文章頁數(shù)】：13 頁
【部分圖文】：
基于內(nèi)容的推薦算法Fig:1Contenk一basedxeeommendatSonalgoTiGtrrn
２４??華東師范大學學報（自然科學版）??２．０，１８－年．??（４）分層的混合（Ｍ姊ａ－Ｌｅｖｅｌ）：與分區(qū)的混合推薦類似，分層的混合推薦也是．同時采用幾種??不同的推薦機制，不博之處是它將一個推薦機制產(chǎn)生的推薦結果作為另一個推薦機制的輸入，通??過多層混合，綜含了每個推薦機制的優(yōu)劣，最終提髙了推薦的精準度，??混合推薦系統(tǒng)的優(yōu)點在：千：推薦的質量要比單獨使用一種于丙容的推薦算法或者協(xié)同??過濾推：薦算法）推薦算法高；沒有冷啟動何題；可以推薦有竿見特性的物品彳可以實現(xiàn)推薦裙果??的多樣性．缺點在尹，通過大量的ｉ作才能得到正確的平衡．??隨著瓦聯(lián)網(wǎng)中越來越多的數(shù)據(jù)能夠被感知獲取，包括圖像、、文本、標簽在內(nèi)的多源異構數(shù)??據(jù)蘊含曹眷當?shù)挠脩粜袨樾畔⒓皞�性化需求信息，融合多頮異構輔助信息的混合推薦方法能夠??緩解傳統(tǒng)推薦系統(tǒng)中的數(shù)據(jù)稀疏和冷啟動問題，但由于輔助信息住往具有多模態(tài)、數(shù)據(jù)異構、??太規(guī)模、數(shù)據(jù)稀疏和發(fā)布不均勻等復雜特怔，融合多源異構數(shù)據(jù)的混合推薦方法研究依然面臨??＿嚴竣的挑戰(zhàn)??隨著深度學習這一被浪潮的興起，圖像處理．語音識別以及＆然語言處理等領域乘蕾錁度??爭習的東風都取得了長足的進展．深度學習因其多隱層的非線性架構模讓而具有強大的擬會能??力，在：大數(shù)據(jù)時代，通過海董的訓練數(shù)據(jù)來提升模型擬合真實分布的能力ｓ大大提高了分類任務??和預測任務的精度．將深度學習技術飾在推薦系統(tǒng)上，是近年推賽算法領域的一個破究熱點．??基子深度學習的推薦系統(tǒng)一般將用戶數(shù)據(jù)和項目數(shù)據(jù)作為模型的輸入，最終學３到用＇戶和??項目高綴的抽象表示，在這個基礎上進行推薦．一個基本的框架如圖３所該框架包含了三??分別是輸入層、模型層以及輸出爲輸
２６??華東師范大學學報（自然科學版）??２．０，１８－年．??的多維度分析、學業(yè)求助資源的個性化推薦、以及原型平臺的示范．應用奠定數(shù)據(jù)資源和分析基??礎．??⑵學業(yè)求助多源異構數(shù)據(jù)分析??本部分研究預期是在前一步多源異構學業(yè)求助數(shù)據(jù)、特征片段抽取的基礎上、重袁研究以??上多模態(tài)數(shù)據(jù)的關聯(lián)分析、融合技術，特別是研究面向財間序列數(shù)裾的多維度分析方法，在有效??提升概率的支持度和置信度后／產(chǎn)生．應用于學業(yè)求助領域多＾模態(tài)數(shù)據(jù)的有效關聯(lián)和融合規(guī)則．這??一方向的研究重點集中在：提出支持多頮異構學業(yè)求助數(shù)據(jù)的關聯(lián)方法，提出學業(yè)求助多模態(tài)??數(shù)據(jù)的融合方法，從而實現(xiàn)學業(yè)求助者爾像模型構建肘ｆｅ整性、有效性和精準性．??（ａ）學業(yè)求助資源個性化推薦??本部分研究預期是結合行為主體的客觀數(shù)據(jù)積累，包括學業(yè)進度＇求助偏好、求助行為等，??建立求助資源／對象的評分體策重點研究學業(yè)求助的識別、領測方法，以及針對個性化需求而??進行的學業(yè)求助資源精準推薦方法，這一方向的研究重點在子Ｉ提出基于協(xié)同過濾的分層混合??推薦方法，實現(xiàn)對行為主缽孛業(yè)求助需求的自動識別和預測，并自適應推薦個性化的學業(yè)求助??資源，??（４）平臺康型：及典型應用驗證??非干預式感知的個性化學業(yè)求助資源推薦，具有鮮明的教育學應用驗證特性．在前三都分??５開究取得創(chuàng)新成果的基礎上只有通過原型系統(tǒng)實現(xiàn)與教育學領域的應用驗證，才能有效評估學??業(yè)求助資頮推薦的效果，并為教育信息技術改革提供示范性的應Ｉｆ案例，圖４展示了一個簡單的??非干預式感知的個性化學業(yè)求助資源推薦康型系統(tǒng)．這一方向的研究：重點強調：開發(fā)出個性化??學業(yè)求助資源推薦系統(tǒng)平臺，在教學實踐活動中應用和驗呢可以廣
本文編號：3413124
【文章來源】：華東師范大學學報(自然科學版). 2018,(05)北大核心CSCD
【文章頁數(shù)】：13 頁
【部分圖文】：
基于內(nèi)容的推薦算法Fig:1Contenk一basedxeeommendatSonalgoTiGtrrn
２４??華東師范大學學報（自然科學版）??２．０，１８－年．??（４）分層的混合（Ｍ姊ａ－Ｌｅｖｅｌ）：與分區(qū)的混合推薦類似，分層的混合推薦也是．同時采用幾種??不同的推薦機制，不博之處是它將一個推薦機制產(chǎn)生的推薦結果作為另一個推薦機制的輸入，通??過多層混合，綜含了每個推薦機制的優(yōu)劣，最終提髙了推薦的精準度，??混合推薦系統(tǒng)的優(yōu)點在：千：推薦的質量要比單獨使用一種于丙容的推薦算法或者協(xié)同??過濾推：薦算法）推薦算法高；沒有冷啟動何題；可以推薦有竿見特性的物品彳可以實現(xiàn)推薦裙果??的多樣性．缺點在尹，通過大量的ｉ作才能得到正確的平衡．??隨著瓦聯(lián)網(wǎng)中越來越多的數(shù)據(jù)能夠被感知獲取，包括圖像、、文本、標簽在內(nèi)的多源異構數(shù)??據(jù)蘊含曹眷當?shù)挠脩粜袨樾畔⒓皞�性化需求信息，融合多頮異構輔助信息的混合推薦方法能夠??緩解傳統(tǒng)推薦系統(tǒng)中的數(shù)據(jù)稀疏和冷啟動問題，但由于輔助信息住往具有多模態(tài)、數(shù)據(jù)異構、??太規(guī)模、數(shù)據(jù)稀疏和發(fā)布不均勻等復雜特怔，融合多源異構數(shù)據(jù)的混合推薦方法研究依然面臨??＿嚴竣的挑戰(zhàn)??隨著深度學習這一被浪潮的興起，圖像處理．語音識別以及＆然語言處理等領域乘蕾錁度??爭習的東風都取得了長足的進展．深度學習因其多隱層的非線性架構模讓而具有強大的擬會能??力，在：大數(shù)據(jù)時代，通過海董的訓練數(shù)據(jù)來提升模型擬合真實分布的能力ｓ大大提高了分類任務??和預測任務的精度．將深度學習技術飾在推薦系統(tǒng)上，是近年推賽算法領域的一個破究熱點．??基子深度學習的推薦系統(tǒng)一般將用戶數(shù)據(jù)和項目數(shù)據(jù)作為模型的輸入，最終學３到用＇戶和??項目高綴的抽象表示，在這個基礎上進行推薦．一個基本的框架如圖３所該框架包含了三??分別是輸入層、模型層以及輸出爲輸
２６??華東師范大學學報（自然科學版）??２．０，１８－年．??的多維度分析、學業(yè)求助資源的個性化推薦、以及原型平臺的示范．應用奠定數(shù)據(jù)資源和分析基??礎．??⑵學業(yè)求助多源異構數(shù)據(jù)分析??本部分研究預期是在前一步多源異構學業(yè)求助數(shù)據(jù)、特征片段抽取的基礎上、重袁研究以??上多模態(tài)數(shù)據(jù)的關聯(lián)分析、融合技術，特別是研究面向財間序列數(shù)裾的多維度分析方法，在有效??提升概率的支持度和置信度后／產(chǎn)生．應用于學業(yè)求助領域多＾模態(tài)數(shù)據(jù)的有效關聯(lián)和融合規(guī)則．這??一方向的研究重點集中在：提出支持多頮異構學業(yè)求助數(shù)據(jù)的關聯(lián)方法，提出學業(yè)求助多模態(tài)??數(shù)據(jù)的融合方法，從而實現(xiàn)學業(yè)求助者爾像模型構建肘ｆｅ整性、有效性和精準性．??（ａ）學業(yè)求助資源個性化推薦??本部分研究預期是結合行為主體的客觀數(shù)據(jù)積累，包括學業(yè)進度＇求助偏好、求助行為等，??建立求助資源／對象的評分體策重點研究學業(yè)求助的識別、領測方法，以及針對個性化需求而??進行的學業(yè)求助資源精準推薦方法，這一方向的研究重點在子Ｉ提出基于協(xié)同過濾的分層混合??推薦方法，實現(xiàn)對行為主缽孛業(yè)求助需求的自動識別和預測，并自適應推薦個性化的學業(yè)求助??資源，??（４）平臺康型：及典型應用驗證??非干預式感知的個性化學業(yè)求助資源推薦，具有鮮明的教育學應用驗證特性．在前三都分??５開究取得創(chuàng)新成果的基礎上只有通過原型系統(tǒng)實現(xiàn)與教育學領域的應用驗證，才能有效評估學??業(yè)求助資頮推薦的效果，并為教育信息技術改革提供示范性的應Ｉｆ案例，圖４展示了一個簡單的??非干預式感知的個性化學業(yè)求助資源推薦康型系統(tǒng)．這一方向的研究：重點強調：開發(fā)出個性化??學業(yè)求助資源推薦系統(tǒng)平臺，在教學實踐活動中應用和驗呢可以廣
本文編號：3413124
本文鏈接：http://sikaile.net/jiaoyulunwen/jiaoyujiaoxuefangfalunwen/3413124.html
