基于QoS的学习对象推荐

论文摘要

E-Learning是指通过因特网或其他数字化内容进行学习与教学的活动,它充分利用现代信息技术所提供的、具有全新沟通机制与丰富资源的学习环境,实现了一种全新的学习方式。这种学习方式将改变传统教学中教师的作用和师生之间的关系,从而根本改变教学结构和教育本质。同时为学习者提供个性化的学习过程越来越成为E-Learning系统的迫切需求。所谓个性化的学习过程就是根据学习者的个性持征,如兴趣、爱好和认识水平等,为不同的用户提供不同的学习路径和学习对象,帮助他们达到学习目标。Internet的分布式资源环境,能够在知识获取方式和协作学习等方面为远程教育和知识服务提供有力的技术支持。Internet上的学习对象资源日益丰富,但是目前的E-Learning应用还存在一些不足,例如动态异构Web环境下的个性化学习等。针对这些问题,本文从E-Learning学习框架和个性化推荐技术等方面进行了深入的研究。本文首先分析了E-Learning的发展现状、关键技术,总结评述了国内外典型研究项目和实验系统;接着讨论了AEHS框架,它是推荐系统实现个性化功能的一个关键步骤,并从领域模型,用户模型,适应模型,适应性引擎等几个方面进行了研究;在此基础上提出了基于AEHS的个性化学习内容推荐服务系统的框架和处理思路。然后探讨了学习资源标准和学习对象在E-Learning环境中的应用。学习资源标准和学习对象能在一定程度上支持个性化学习,但学习资源标准有其局限性,它们过于着重属性的规范说明,且不能描述学习材料的主观信息。接着对E-Learning个性化学习进行深入分析,提出一种动态学习模式,并将动态学习模式实现在AEHS框架中,通过在学习模式中间根据学习者偏好动态的修改学习路径,以适应学习者的个性化需求来提高个性化学习水平;最后是个性化推荐算法的研究,本文研究了一种基于服务质量（QoS）的开放的,公平的,动态的学习对象推荐评分算法。将其应用到学习对象推荐的评分中。并通过实例进行详细说明,验证了基于服务质量（QoS）的学习对象推荐值计算方法。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 引言
• 1.1 课题背景及研究意义
• 1.2 相关技术及研究现状
• 1.2.1 E-Learning 研究现状
• 1.2.2 学习资源建设研究现状
• 1.2.3 个性化推荐服务的模式
• 1.3 主要研究目的和研究成果
• 1.4 论文结构
• 第2章 个性化推荐及与 QoS
• 2.1 个性化推荐
• 2.1.1 个性化推荐概述
• 2.1.2 个性化推荐服务的模式
• 2.1.3 适应性和智能技术
• 2.1.4 个性化推荐技术
• 2.2 QoS
• 2.2.1 QoS 概述
• 2.2.2 QoS 研究现状
• 2.2.3 QoS 的关键指标
• 2.3 对研究进展的总结与评析
• 2.4 本章小结
• 第3章 适应性超媒体系统概述
• 3.1 适应性超媒体系统概述
• 3.1.1 适应性超媒体系统的定义
• 3.1.2 适应性超媒体系统的特点
• 3.1.3 适应性超媒体系统的组成
• 3.2 适应性超媒体系统的方法与技术
• 3.2.1 适应性内容呈现的方法与技术
• 3.2.2 适应性导航支持的方法与技术
• 3.3 适应性超媒体系统的结构
• 3.3.1 领域模型（DM）
• 3.3.2 用户模型（UM）
• 3.3.3 学习模型（LM）
• 3.3.4 媒体空间（MS）
• 3.3.5 适应模型（AM）
• 3.3.6 适应性引擎（AE）
• 3.4 小结
• 第4章 自适应学习过程
• 4.1 自适应学习概述
• 4.2 学习对象
• 4.3 学习对象元数据
• 4.4 学习对象上下文
• 4.4.1 学习对象上下文定义
• 4.4.2 学习对象上下文重用
• 4.4.3 学习对象上下文关系
• 4.5 电子课件
• 4.5.1 电子课件概述
• 4.5.2 电子课件的结构
• 4.5.3 电子课件的序列化
• 4.6 学习模式型仓库
• 4.6.1 学习模式仓库概述
• 4.6.2 学习者分类
• 4.6.3 学习模式存储
• 4.7 自适应学习过程
• 4.8 本章小结
• 第5章 学习对象推荐
• 5.1 学习对象推荐
• 5.2 计算模型属性定义
• 5.3 算法
• 5.3.1 可扩展的计算模型
• 5.3.2 带偏好的评分系统
• 5.3.3 公平公开的评分策略
• 5.3.4 算法描述
• 5.3.5 试验结果
• 5.4 本章小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的学术论文目录