本文選題：互聯(lián)網(wǎng)學習　切入點：知識推薦　出處：《天津大學》2016年碩士論文

【摘要】：互聯(lián)網(wǎng)的發(fā)展加速了信息傳遞,不僅為教學提供了豐富教學資源,互聯(lián)網(wǎng)在線學習模式也逐漸發(fā)展起來。不同于傳統(tǒng)學習模式,互聯(lián)網(wǎng)在線學習模式能夠為用戶提供不受時間,空間約束等特點,且豐富的互聯(lián)網(wǎng)知識資源能夠激發(fā)學生自主性,讓在線學習者在學習過程中更有興趣。但是,互聯(lián)網(wǎng)迎來大數(shù)據(jù)時代同時,在線學習系統(tǒng)面臨著海量在線學習資源與在線學習個體個性化需求難以匹配的難題。論文主要工作有:(1)將在線學習用戶在線學習過程類比于人的認知過程,利用認知發(fā)展理論思想建立用戶與知識資源關系矩陣。(2)提出相對熵相似度,并結(jié)合基于典型度推薦算法,提出基于典型度相對熵推薦算法。(3)將基于典型度相對熵推薦算法引入到知識推薦中,提出基于典型度相對熵在線知識推薦算法框架,為用戶的在線學習提供個性化服務。論文首次提出基于典型度相對熵相似度推薦算法,并將基于典型度相對熵相似度應用到互聯(lián)網(wǎng)知識推薦中,并實驗證明了基于典型度相對熵推薦算法的正確性與有效性。基于典型度相對熵推薦算法有利于學習者的互聯(lián)網(wǎng)在線學習,為未來建設更加智能化,個性化互聯(lián)網(wǎng)學習平臺做貢獻。
[Abstract]:The development of the Internet accelerates the transmission of information, which not only provides rich teaching resources for teaching, but also develops the online learning model of the Internet. Unlike the traditional learning model, the online learning model of the Internet can provide users with no time. Space constraints and other characteristics, and abundant Internet knowledge resources can stimulate student autonomy, so that online learners are more interested in the learning process. However, the Internet ushered in the era of big data at the same time, The online learning system is faced with the difficulty of matching the huge amount of online learning resources with the individual personalized needs of online learning. The main work of this paper is to compare the online learning process of online learning users to the cognitive process of people. Using cognitive development theory to establish the relation matrix of user and knowledge resource. (2) the relative entropy similarity is proposed, and the recommendation algorithm based on canonical degree is proposed. The recommendation algorithm based on the relative entropy of canonical degree is introduced into the knowledge recommendation, and the online knowledge recommendation algorithm based on the relative entropy of the degree of canonical degree is proposed. In this paper, the relative entropy similarity recommendation algorithm based on canonical degree is proposed for the first time, and it is applied to Internet knowledge recommendation based on the relative entropy similarity of canonical degree. The experiment proves the correctness and validity of the recommendation algorithm based on the relative entropy of canonical degree, which is beneficial to the online learning of learners, and is more intelligent for the future. Personalized Internet learning platform to contribute.
【學位授予單位】：天津大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 姚宏林;韓偉杰;吳忠望;;基于模糊相對熵的網(wǎng)絡異常流量檢測方法研究[J];信息安全與技術(shù);2014年08期

2 張彥峰;;基于灰色關聯(lián)分析的相對熵集結(jié)模型[J];西北工業(yè)大學學報;2013年02期

3 毛軍軍;李俠;吳濤;;基于粗集優(yōu)勢關系的屬性賦權(quán)相對熵優(yōu)化模型[J];計算機工程;2011年15期

4 張登銀;廖建飛;;基于相對熵的網(wǎng)絡流量異常檢測方法[J];南京郵電大學學報(自然科學版);2012年05期

5 曾青松;賀衛(wèi)國;;基于相對熵度量的行為識別方法[J];河南科技大學學報(自然科學版);2009年06期

6 趙萌;邱菀華;劉北上;;基于相對熵的多屬性決策排序方法[J];控制與決策;2010年07期

7 匡錦瑜;高斯隨機場參數(shù)的最小相對熵估計法[J];電子學報;1994年07期

8 楊嬌;彭拯;;一種求解全局優(yōu)化問題的修正相對熵算法及其收斂性[J];湖南理工學院學報(自然科學版);2009年02期

9 李涵秋;馬艷;雷磊;;基于相對熵理論的網(wǎng)絡DoS攻擊檢測算法[J];電訊技術(shù);2011年03期

10 吳盤龍;李言俊;;形態(tài)學增強的連接相對熵在自動目標檢測中的應用(英文)[J];紅外技術(shù);2006年05期

相關會議論文 前2條

1 孫昭旭;韓敏;;基于滿意度和相對熵模型的多屬性決策方法[A];第五屆中國不確定系統(tǒng)年會論文集[C];2007年

2 胡謀法;肖山竹;張志勇;盧煥章;;基于Renyi相對熵的圖像閾值化方法[A];第十四屆全國信號處理學術(shù)年會(CCSP-2009)論文集[C];2009年

相關碩士學位論文 前5條

1 趙珍;相對熵方法下的信度保費研究[D];新疆大學;2015年

2 蔡智勇;基于典型度的相對熵相似度知識推薦[D];天津大學;2016年

3 王雷;基于相對熵的中國鐵路地理網(wǎng)拓撲結(jié)構(gòu)的魯棒性研究[D];中南大學;2014年

4 趙芳芳;基于相對熵的區(qū)間直覺模糊多屬性決策方法[D];渤海大學;2012年

5 王羿偉;極小相對熵期權(quán)定價和貼現(xiàn)因子正定性分析[D];華東理工大學;2012年

，

本文編號：1678691