当前位置:主页 > 教育论文 > 教育体制论文 >

一种基于特征提取的教育视频资源推送方法

发布时间:2017-08-23 15:34

  本文关键词:一种基于特征提取的教育视频资源推送方法


  更多相关文章: 教育视频资源 特征提取 深度学习 支持向量机 推送方法


【摘要】:丰富的网络教育视频资源满足了学习者自主选择学习内容、时间和地点的需求。然而资源自身及其平台存在着内容质量参差不齐、优质教育资源匮乏、资源同质化、资源推送方式单一等问题,学习者难以快速高效地从海量的资源中获取与自身需求相关的有价值的资源。为让学习者高效获取个性化教育视频资源,在进行资源推送时,研究采用深度学习方法准确识别出视频资源中的知识点,通过构造视频中的知识点、视频质量和学习者需求之间的特征向量作为支持向量机的输入,由支持向量机决定是否将视频资源推送给学习者。将学习者对推送结果的实际点击率和学习者反馈的满意度作为方法的性能评价指标。这种推送方法关注学习者的兴趣需求和视频特征的结合,能更好地满足学习者的要求并提升学习效率,具有较大的应用潜力。
【作者单位】: 湖南省教育科学研究院;中南大学信息与网络中心;中南林业科技大学计算机与信息工程学院;中南大学信息科学与工程学院;
【关键词】教育视频资源 特征提取 深度学习 支持向量机 推送方法
【基金】:湖南省教育科学“十二五”规划重点资助项目“云计算环境下基础教育优质数字资源建设与应用研究”(XJK014AJC001) 国家自然科学基金项目“云计算中资源共享的分层博弈联盟形成与定价机制研究”(61379111)
【分类号】:G434
【正文快照】: 一、引言信息技术的快速发展和广泛应用深刻影响着人们的学习、工作和生活。互联网已成为人们搜索、获得和发布信息的重要平台,其自由开放的特性极大程度促进了教育资源的共建共享,信息技术对教育教学的革命性影响日趋明显,学习者通过信息化学习环境可以自主选择学习内容、时

【参考文献】

中国期刊全文数据库 前4条

1 林海平;檀晓红;申瑞民;;基于知识结构图的个性化学习内容生成算法[J];上海交通大学学报;2010年03期

2 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

3 邢春晓;高凤荣;战思南;周立柱;;适应用户兴趣变化的协同过滤推荐算法[J];计算机研究与发展;2007年02期

4 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

中国博士学位论文全文数据库 前1条

1 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

中国硕士学位论文全文数据库 前4条

1 黄俊;基于学生特征模型的教育云资源推送技术[D];华南理工大学;2013年

2 郭进成;基于本体的教育资源推送服务研究[D];内蒙古大学;2013年

3 韩勃;E-learning环境中学习行为挖掘的设计与实现[D];山东大学;2012年

4 何安;协同过滤技术在电子商务推荐系统中的应用研究[D];浙江大学;2007年

【共引文献】

中国期刊全文数据库 前10条

1 文孟飞;胡超;于文涛;刘伟荣;;一种基于特征提取的教育视频资源推送方法[J];现代远程教育研究;2016年03期

2 李晨跃;刘克剑;孟庆瑞;;面向博物馆的个性化推荐系统设计与实现[J];软件导刊;2016年05期

3 张海龙;马斌;;FCM-RVM预警模型在某重力坝典型坝段水平位移预测中的应用[J];水电能源科学;2016年05期

4 DU Yongping;DU Xiaoyan;HUANG Liang;;Improve the Collaborative Filtering Recommender System Performance by Trust Network Construction[J];Chinese Journal of Electronics;2016年03期

5 杨红;程万里;任丽丽;;高温高压蒸汽改性落叶松木材力学性能预测模型的建立[J];东北林业大学学报;2016年04期

6 阮健;朱兆良;李胜;刘奎;;LVDT校正技术研究[J];浙江工业大学学报;2016年02期

7 孟利民;赵维;应颂翔;;评分预测问题中个性化推荐模型的研究[J];浙江工业大学学报;2016年02期

8 刘佳乐;文晓涛;张瑞;李天;李世凯;;基于近似支持向量机的流体识别方法[J];辽宁化工;2016年04期

9 詹攀;谢守勇;刘军;黄河;李佩原;;基于支持向量机回归的鲜烟叶含水量预测模型[J];西南大学学报(自然科学版);2016年04期

10 蔡海尼;覃梦秋;文俊浩;熊庆宇;黎懋靓;;基于情境相似度和二次聚类的协同过滤推荐算法[J];计算机科学;2016年04期

中国博士学位论文全文数据库 前5条

1 李新广;数字图书馆的用户偏好模型及个性化推荐研究[D];武汉大学;2011年

2 高e,

本文编号:725849


资料下载
论文发表

本文链接:https://www.wllwen.com/jiaoyulunwen/jiaoyutizhilunwen/725849.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户9245a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com