远程教育资源网中的个性化资源推荐研究

论文摘要

现今，计算机的普及和网络的发展改变了现有的教学模式，教育资源数字化、网络化成为一个必然趋势。在这样的趋势下，势必产生大量教育资源，资源检索共享困难，学习者饱受信息过载和信息迷航的困扰，因此针对学习者的个性化资源推荐就成为远程教育网中亟待研究和解决的问题。本文将个性化推荐技术引入远程教育领域。首先分析了目前教育资源建设的现状和存在的问题，在LOM规范和CELTS标准的框架内，采用学习对象元数据的形式对资源进行描述、组织和管理，提出了具体的描述方法和扩展机制。其次，讨论了教育资源网中个性化资源推荐实现的具体思路和解决方案，重点研究了目前比较流行的个性化推荐算法，在分析各种算法优缺点的基础上，设计了基于用户和基于项目的协同过滤组合推荐算法。通过在Movielens数据集上的实验验证，组合算法在一定程度上改善了推荐算法的数据稀疏问题，提高了推荐质量。最后，设计了教育资源网中个性化推荐系统的整体框架，并具体描述了推荐服务的实现过程。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.2.1 国外现状
• 1.2.2 国内现状
• 1.3 主要工作和组织结构
• 1.3.1 研究对象和主要工作
• 1.3.2 论文组织结构
• 第二章 个性化推荐的相关理论和技术
• 2.1 个性化推荐系统
• 2.2 个性化推荐技术
• 2.3 推荐的典型问题和评价指标
• 2.3.1 个性化推荐的典型问题
• 2.3.2 推荐算法评价指标
• 2.4 小结
• 第三章 远程教育中资源的标准化组织与描述
• 3.1 教育资源建设
• 3.1.1 教育信息资源
• 3.1.2 资源建设规范
• 3.2 基于XML的教育资源元数据描述
• 3.2.1 学习对象元数据及分层描述机制
• 3.2.2 教育信息资源元数据描述方法
• 3.2.3 教育资源元数据的扩展机制
• 3.3 小结
• 第四章 推荐算法的分析与设计
• 4.1 基于用户的协同过滤算法分析
• 4.1.1 基于用户的协同过滤算法
• 4.1.2 算法特点
• 4.2 基于项目的协同过滤算法分析
• 4.2.1 基于项目的协同过滤算法
• 4.2.2 算法特点
• 4.3 组合推荐算法分析与设计
• 4.3.1 设计思想
• 4.3.2 组合推荐算法设计与实现
• 4.4 小结
• 第五章 个性化推荐系统设计与实验分析
• 5.1 个性化推荐系统设计
• 5.1.1 系统总体设计
• 5.1.2 系统的实现流程
• 5.2 用户兴趣建模
• 5.2.1 用户兴趣的获取
• 5.2.2 用户兴趣的表示
• 5.2.3 用户兴趣的动态更新
• 5.3 教育资源建模
• 5.3.1 教育资源的表示
• 5.3.2 教育资源的描述
• 5.4 改进算法的实验验证
• 5.4.1 实验背景
• 5.4.2 实验结果
• 5.4.3 实验分析
• 5.5 小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 读研期间研究成果