發(fā)布時間：2021-03-09 19:05

　　隨著人工智能技術(shù)的應(yīng)用和網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)建設(shè),互聯(lián)網(wǎng)學(xué)習(xí)資源越來越豐富,學(xué)習(xí)者從大量學(xué)習(xí)資源中挑選符合自己的學(xué)習(xí)資源越來越困難。對于智能化學(xué)習(xí)系統(tǒng)來講,為學(xué)習(xí)者提供個性化推薦服務(wù)一直是智能化學(xué)習(xí)系統(tǒng)的核心功能。但是目前電商、新聞推薦領(lǐng)域廣泛采用的協(xié)同過濾推薦算法,其推薦的個性化學(xué)習(xí)資源內(nèi)在邏輯性不強,不符合根據(jù)先驗知識進行知識整體建構(gòu)的學(xué)習(xí)規(guī)律,所以不完全適用于學(xué)習(xí)資源推薦的應(yīng)用場景。近年來國內(nèi)外學(xué)者把學(xué)習(xí)資源推薦定義為多目標(biāo)組合優(yōu)化問題,采用離散粒子群等進化算法解決學(xué)習(xí)資源推薦這一多目標(biāo)組合問題。但是算法需要過多的提前測試預(yù)估模型參數(shù),這不符合在線智能化學(xué)習(xí)的趨勢。針對目前學(xué)習(xí)資源推薦領(lǐng)域的存在的不足,本文做了以下工作:首先,建立了全新的學(xué)習(xí)者畫像和學(xué)習(xí)資源畫像模型,基于畫像模型提出了學(xué)習(xí)資源推薦模型,該推薦模型針對單個學(xué)習(xí)者進行建模,對學(xué)習(xí)資源以知識點進行劃分,每次對單個學(xué)習(xí)者以知識點為單位進行推薦。其次,對于推薦模型中參數(shù)過多需要提前測試且難以準(zhǔn)確估計的問題,采用基于用戶的協(xié)同過濾算法進行預(yù)估,找出與當(dāng)前學(xué)習(xí)者最相似的學(xué)習(xí)者,由于相似學(xué)習(xí)者對知識掌握的程度基本一致,所以利用相似學(xué)習(xí)者... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

推薦系統(tǒng)架構(gòu)

0. 0.1. 0. 1. 0. 1. 0.1. 0]。通過圖 5-1 可以看出，不同學(xué)習(xí)資源數(shù)量下，最優(yōu)值和平均值收斂曲線均收斂較快，到后期逐漸收斂到穩(wěn)定的差異值。(A)學(xué)習(xí)資源數(shù)量 20 個 (B)學(xué)習(xí)資源數(shù)量 30 個

42(C) 學(xué)習(xí)資源數(shù)量 50 個 (D) 學(xué)習(xí)資源數(shù)量 100 個圖 5-2 差異均值收斂曲線本章通過對比在不同學(xué)習(xí)資源數(shù)量條件下，三種算法的平均收斂曲線變化情況，詳細(xì)分析算法的平均收斂性，并通過收斂曲線的變化進一步分析造成收斂曲線的原因，尤其對不同算法的采用改進策略對算法收斂性的影響做出了詳細(xì)的分析。首先，通過圖 5-2 對比前期算法的執(zhí)行情況，由于 HDDER、BPSOR 算法都是根據(jù)

【參考文獻】：
期刊論文
[1]一種用于構(gòu)建用戶畫像的多視角融合框架[J]. 費鵬,林鴻飛,楊亮,徐博,古麗孜熱·艾尼外.  計算機科學(xué). 2018(01)
[2]一種用于構(gòu)建用戶畫像的二級融合算法框架[J]. 李恒超,林鴻飛,楊亮,徐博,魏曉聰,張紹武,古麗孜熱·艾尼外.  計算機科學(xué). 2018(01)
[3]時間加權(quán)的混合推薦算法[J]. 鄒凌君,陳崚,李娟.  計算機科學(xué). 2016(S2)
[4]移動用戶畫像構(gòu)建研究[J]. 黃文彬,徐山川,吳家輝,王軍.  現(xiàn)代情報. 2016(10)
[5]教育信息化“十三五”規(guī)劃[J].   中國信息技術(shù)教育. 2016(Z3)
[6]一種改進的緩解推薦系統(tǒng)物品冷啟動的方法[J]. 任彩霞.  軟件. 2016(08)
[7]貪婪封裝二進制差分進化算法求解高維背包問題[J]. 錢淑渠,葉永強,武慧虹.  控制與決策. 2016(05)
[8]基于社交網(wǎng)絡(luò)用戶信任度的混合推薦算法研究[J]. 文俊浩,何波,胡遠(yuǎn)鵬.  計算機科學(xué). 2016(01)
[9]國務(wù)院關(guān)于積極推進“互聯(lián)網(wǎng)+”行動的指導(dǎo)意見[J].   中華人民共和國國務(wù)院公報. 2015(20)
[10]電子書包中基于學(xué)習(xí)者模型的個性化學(xué)習(xí)資源推薦研究[J]. 牟智佳,武法提.  電化教育研究. 2015(01)

博士論文
[1]基于屬性提升與偏好集成的上下文感知推薦[D]. 鄭麟.武漢大學(xué) 2017

碩士論文
[1]基于多行為融合的電商推薦系統(tǒng)研究與實現(xiàn)[D]. 雷偉.上海交通大學(xué) 2015



本文編號：3073321