教育信息化的發(fā)展使學習者的學習方式從傳統(tǒng)的課堂學習轉變成在線學習。在教育大數(shù)據(jù)的發(fā)展下,教學資源呈現(xiàn)出資源海量、信息過載且質量良莠不齊的特征,學習者在這種環(huán)境下面臨著“信息過載”和“知識迷航”的問題。個性化推薦系統(tǒng)是解決“信息過載”的一種有效方法。推薦系統(tǒng)根據(jù)學習者的歷史行為挖掘學習者潛在的興趣偏好,計算學習者與資源的相似度,向學習者推薦其可能感興趣的教學資源。在目前的個性化教學資源推薦方法的研究中,研究者著重于學習者特征建模和資源屬性建模,通過計算學習者與資源之間的相似度進行推薦。這類推薦算法更傾向于向學習者推薦與其偏好相似的資源,而沒有考慮到教學資源之間的邏輯關系。學習者的學習過程有著循序漸進、知識由淺到深的特點,教學資源中包含的知識點之間有著豐富的邏輯關系,因此考慮資源包含的知識點間的關系來進行個性化資源推薦是非常有必要的�；谏鲜鏊伎�,本文構建了一個機器學習領域小范圍知識圖譜,并在此基礎上提出了一種融合知識連接度和學習者興趣的基于知識圖譜的教學資源推薦算法。本文的主要工作如下:(1)使用Python語言編寫網(wǎng)絡爬蟲爬取了豆瓣圖書上標簽為“機器學習”的所有書籍信息以及與其相關的交...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 知識圖譜的研究現(xiàn)狀
        1.2.2 推薦系統(tǒng)的研究現(xiàn)狀
        1.2.3 基于知識圖譜的推薦系統(tǒng)的研究現(xiàn)狀
    1.3 本文的主要研究內容
    1.4 本文的組織結構
第2章 相關的理論和技術
    2.1 知識圖譜構建
    2.2 詞向量模型
    2.3 TextRank模型
    2.4 網(wǎng)絡爬蟲技術
    2.5 本章小結
第3章 知識圖譜的構建
    3.1 源數(shù)據(jù)獲取
    3.2 知識獲取
        3.2.1 分詞
        3.2.2 獲取知識面實體
        3.2.3 獲取知識點實體
    3.3 關系抽取
        3.3.1 抽取知識面實體-知識面實體間的關系
        3.3.2 抽取知識點實體相關的關系
    3.4 知識存儲
    3.5 本章小結
第4章 基于知識圖譜的推薦模型
    4.1 基于知識圖譜的推薦模型
        4.1.1 用戶興趣與資源的相似度
        4.1.2 知識連接度
        4.1.3 推薦流程
        4.1.4 初學者資源推薦策略
    4.2 推薦系統(tǒng)的實例分析
        4.2.1 數(shù)據(jù)預處理
        4.2.2 實驗過程設計
        4.2.3 實驗結果與分析
    4.3 本章小結
第5章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
攻讀碩士期間發(fā)表的論文
致謝



本文編號：3755374