隨著新高考改革制度和素質(zhì)教育模式的推廣,中學(xué)生的學(xué)生發(fā)展指導(dǎo)教育工作已經(jīng)成為現(xiàn)階段教育領(lǐng)域的關(guān)注核心。學(xué)生發(fā)展指導(dǎo)工作主要解決學(xué)業(yè)發(fā)展、高考選科、心理輔導(dǎo)這三大問(wèn)題,這將直接關(guān)系到祖國(guó)下一代的成長(zhǎng)問(wèn)題。但是,專門面向?qū)W生發(fā)展指導(dǎo)的教育資源相對(duì)匱乏,教學(xué)效果難以保證,如果學(xué)生沒(méi)有及時(shí)得到專業(yè)教師的解惑和幫助,很可能對(duì)學(xué)生造成不可挽回的損失。如何將教育和大數(shù)據(jù)技術(shù)結(jié)合,為學(xué)生發(fā)展指導(dǎo)的教學(xué)工作提供支持,非常具有研究意義。結(jié)合中學(xué)對(duì)學(xué)生發(fā)展工作的現(xiàn)狀分析,本文設(shè)計(jì)并實(shí)現(xiàn)面向中學(xué)生的學(xué)涯發(fā)展平臺(tái),分析學(xué)生在教學(xué)場(chǎng)景下的行為數(shù)據(jù),構(gòu)建學(xué)生興趣偏好模型,向?qū)W生個(gè)性化推薦教育資源,實(shí)現(xiàn)因材施教。學(xué)涯發(fā)展平臺(tái)通過(guò)Spark大數(shù)據(jù)平臺(tái)對(duì)教育大數(shù)據(jù)進(jìn)行收集整理,構(gòu)建學(xué)生的興趣偏好模型,結(jié)合推薦算法來(lái)實(shí)現(xiàn)個(gè)性化推薦,以此來(lái)豐富學(xué)校在學(xué)生發(fā)展指導(dǎo)方面的教育工作,提高教育質(zhì)量。本文基于微信公眾平臺(tái)開(kāi)發(fā)學(xué)涯發(fā)展平臺(tái),實(shí)現(xiàn)學(xué)生和指導(dǎo)老師在線預(yù)約課程、在線互動(dòng)交流,以及向?qū)W生推薦最新教育資訊,完成教學(xué)場(chǎng)景的數(shù)據(jù)化,完整記錄并收集教育教學(xué)過(guò)程中的大數(shù)據(jù);提出一種基于混合自編碼器的協(xié)同過(guò)濾推薦算法,構(gòu)建學(xué)生的興趣偏好模型... 

【文章來(lái)源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所)遼寧省

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于用戶相似度的協(xié)同過(guò)濾算法Figure2.1Collaborativefilteringalgorithmbasedonusersimilarity

圖 2.2 自動(dòng)編碼器模型Figure 2.2 Auto-encoder Model降噪自編碼器作為自編碼器的優(yōu)化模型，通過(guò)接收損壞的原始數(shù)據(jù)為輸練原始數(shù)據(jù)為輸出。相比較傳統(tǒng)的自編碼器，通過(guò)對(duì)數(shù)據(jù)隨機(jī)損壞，集的規(guī)模，極大的緩和過(guò)擬合現(xiàn)象的發(fā)生，提高了網(wǎng)絡(luò)模型的魯棒性程如圖圲圮圳所示：

圖 2.2 自動(dòng)編碼器模型Figure 2.2 Auto-encoder Model降噪自編碼器作為自編碼器的優(yōu)化模型，通過(guò)接收損壞的原始數(shù)據(jù)為輸練原始數(shù)據(jù)為輸出。相比較傳統(tǒng)的自編碼器，通過(guò)對(duì)數(shù)據(jù)隨機(jī)損壞，集的規(guī)模，極大的緩和過(guò)擬合現(xiàn)象的發(fā)生，提高了網(wǎng)絡(luò)模型的魯棒性程如圖圲圮圳所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于用戶興趣模型的推薦算法[J]. 于波,楊紅立,冷淼.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(09)
[2]基于信任和矩陣分解的協(xié)同過(guò)濾推薦算法[J]. 鄭鵬,王應(yīng)明,梁薇.  計(jì)算機(jī)工程與應(yīng)用. 2018(13)
[3]基于ASVD的協(xié)同過(guò)濾推薦算法[J]. 李春春,李俊.  小型微型計(jì)算機(jī)系統(tǒng). 2018(06)
[4]基于深度學(xué)習(xí)的論文個(gè)性化推薦算法[J]. 王妍,唐杰.  中文信息學(xué)報(bào). 2018(04)
[5]基于深度信念網(wǎng)絡(luò)的個(gè)性化信息推薦[J]. 王兆凱,李亞星,馮旭鵬,劉利軍,黃青松,劉曉梅.  計(jì)算機(jī)工程. 2016(10)
[6]基于SDAE及極限學(xué)習(xí)機(jī)模型的協(xié)同過(guò)濾應(yīng)用研究[J]. 潘昊,王新偉.  計(jì)算機(jī)應(yīng)用研究. 2017(08)
[7]基于棧式降噪自編碼器的協(xié)同過(guò)濾算法[J]. 周洋,陳家琪.  計(jì)算機(jī)應(yīng)用研究. 2017(08)
[8]在推薦系統(tǒng)中利用時(shí)間因素的方法[J]. 范家兵,王鵬,周渭博,燕京京.  計(jì)算機(jī)應(yīng)用. 2015(05)
[9]云計(jì)算環(huán)境下基于協(xié)同過(guò)濾的個(gè)性化推薦機(jī)制[J]. 朱夏,宋愛(ài)波,東方,羅軍舟.  計(jì)算機(jī)研究與發(fā)展. 2014(10)
[10]基于填充和相似性信任因子的協(xié)同過(guò)濾推薦算法[J]. 郝立燕,王靖.  計(jì)算機(jī)應(yīng)用. 2013(03)



本文編號(hào)：2956516