隨著互聯(lián)網(wǎng)教育事業(yè)的飛速發(fā)展,豐富多樣、個(gè)性化的網(wǎng)絡(luò)在線習(xí)題開始在學(xué)習(xí)者中普及。目前大多數(shù)在線學(xué)習(xí)平臺缺乏對信息過載問題的考慮,導(dǎo)致學(xué)習(xí)者學(xué)習(xí)針對性不強(qiáng)、效率不高等問題。教育相關(guān)人員無論是教育者還是學(xué)習(xí)者在面對Web環(huán)境下大量的習(xí)題數(shù)據(jù),都必須考慮如何彌補(bǔ)學(xué)習(xí)者的知識漏洞,并以此為依據(jù)選擇個(gè)性化習(xí)題,促進(jìn)學(xué)習(xí)者高效學(xué)習(xí),已成為個(gè)性化教育領(lǐng)域研究的熱點(diǎn)問題。習(xí)題推薦技術(shù)是解決習(xí)題信息過載問題的重要途徑,逐漸滲透并改變著眾多學(xué)習(xí)者的學(xué)習(xí)方式。個(gè)性化的習(xí)題推薦系統(tǒng)作為在教育領(lǐng)域中的重要分支,近些年來,隨著人工智能以及大數(shù)據(jù)的發(fā)展獲得了教育工作者的極大關(guān)注�；诖蠖鄶�(shù)推薦算法缺乏對課程知識點(diǎn)本身內(nèi)容和結(jié)構(gòu)的考慮,筆者根據(jù)課程知識點(diǎn)以及知識點(diǎn)之間的結(jié)構(gòu)關(guān)系建立了課程知識圖譜作為知識模型,研究了基于知識圖譜的習(xí)題推薦算法,在此基礎(chǔ)之上,本文使用初中數(shù)學(xué)課程的習(xí)題為測試數(shù)據(jù),針對本研究提出的推薦算法進(jìn)行了評估實(shí)驗(yàn)。本研究的內(nèi)容主要包括以下四個(gè)方面:1.基于知識點(diǎn)和知識點(diǎn)之間的關(guān)系,提出了知識模型的構(gòu)建和存儲方法。首先研究了概念的提取方法,在對課程的概念的提取實(shí)踐過程中,使用到了自然語言處理的相關(guān)技術(shù)...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1網(wǎng)絡(luò)爬蟲流程圖

四川師范大學(xué)碩士學(xué)位論文12爬行策略一般包括深度優(yōu)先爬行策略、廣度優(yōu)先爬行策略、大站優(yōu)先策略、反鏈策略等，一般都采用深度優(yōu)先爬行策略。一般來說，java爬蟲流程主要步驟可以總結(jié)為：發(fā)起請求、獲取響應(yīng)內(nèi)容、解析響應(yīng)內(nèi)容、保存數(shù)據(jù)，總的過程可以概括為圖2.1的流程圖。2.2.3知識追....

圖2.2知識追蹤模型示意圖

相關(guān)理論及技術(shù)基礎(chǔ)13知識追蹤模型是一個(gè)含有隱變量的貝葉斯網(wǎng)絡(luò)，其中每一個(gè)節(jié)點(diǎn)都通過一個(gè)條件概率表來量化父節(jié)點(diǎn)對自身的影響．貝葉斯知識追蹤（BKT）是最流行的知識追蹤模型。在BKT模型中提出了一個(gè)關(guān)于學(xué)生知識狀態(tài)的隱變量，學(xué)生的知識狀態(tài)由一個(gè)二元組表示{掌握該知識點(diǎn)（1），沒掌握....

圖3.1知識圖譜的構(gòu)建流程圖

知識點(diǎn)是描述某一門特定的課程的內(nèi)容的基本單元，知識點(diǎn)簡單低劃分成概念（元知識點(diǎn)）和復(fù)合知識點(diǎn)兩種類型。元知識點(diǎn)是指不能再細(xì)分的語言單位，已經(jīng)細(xì)化到了概念的程度。本研究重視的是細(xì)化到了概念級別的元知識點(diǎn)。參考知識圖譜的構(gòu)建過程[41]，將本研究的習(xí)題推薦系統(tǒng)所用到的知識模型的構(gòu)建....

圖3.2初始分詞效果圖

四川師范大學(xué)碩士學(xué)位論文22圖3.3展示了知識模型可視化后的部分結(jié)果。在圖中，每一節(jié)點(diǎn)簇的中心即復(fù)合知識點(diǎn)，復(fù)合知識點(diǎn)之間的關(guān)系由“next”字符標(biāo)出。圍繞在復(fù)合知識點(diǎn)周圍的是元知識點(diǎn)，元知識點(diǎn)和復(fù)合知識點(diǎn)之間的關(guān)系由“child”標(biāo)出。圖3.3知識模型可視化結(jié)果3.4本章小結(jié)本....

本文編號：3910790