知识图谱增强的在线课程推荐方法研究
发布时间：2021-10-20 17:11
随着在线教育的发展,我国在线教育的课程规模和应用范围逐渐攀升至世界首位。在线课程在给人们带来方便快捷的学习方式的同时,也易因课程资源过多引发学习者产生认知迷航或课程选择困难等问题。利用个性化推荐方法,能够帮助学习者从海量的课程中自动挑选出适合其认知基础或学习兴趣的专属课程。现阶段课程推荐算法的应用仍然存在着数据稀疏、知识逻辑关系缺乏以及可解释性不足等问题。第一,数据稀疏问题。在线教育平台提供了海量的课程供庞大的学习群体进行选择,但由于学习者选择的课程数目较少,以至推荐模型可利用的交互行为数据十分稀疏,由此挖掘出的用户兴趣易出现偏差,降低推荐结果的准确度与稳定性。第二,知识逻辑关系缺乏。基于学习者兴趣的课程推荐未考虑不同课程在知识体系中的内在逻辑关系,存在推荐的课程难度停滞、无序等问题,难以使学习者按照课程之间的内在逻辑来进行学习路径规划。因此,在进行课程推荐时考虑课程之间的语义关系,在知识层面寻找用户的兴趣路径是必要且有意义的。第三,可解释性不足。在推荐场景中,给予恰当的推荐结果解释,可以提升用户的信任与接受度。当前主流的推荐方法多数通过训练拟合学习者与选课行为之间的函数关系,但由于求...
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图２．１网络爬虫基本结构??网络爬虫按照系统结构和实现技术，大致可以分为以下几种类型：通用网络爬??虫（Ｇｅｎｅｒａｌ?Ｐｕｒｐｏｓｅ?Ｗｅｂ?Ｃｒａｗｌｅｒ）、聚焦网络爬虫（Ｆｏｃｕｓｅｄ?Ｗｅｂ?Ｃｒａｗｌｅｒ）、增量式??
？硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??终止条件［３８］。??０刀始化ＵＲＬ队歹ｊ??，ｒ???？从队列中取出一个ＵＲＬ???Ｊ????？读取ＵＲＬ页面??＞＾?＋ｎ＾Ｙ?Ｊ?将无效ＵＲＬ加入错误ＵＲＬ??￣１?队列中??Ｎ??＼?ｙ??解析此页面???ｊ???保存此次顺姻賴一＾彳紀己爬???面还包含新的ｕ＾＞??Ｎ?????满足停止条??（停止）??图２．２网络爬虫实现流程??在本文中，我们将使用网络爬虫技术获取学习者－课程交互数据、课程内容数??据以及知识图谱等实验相关数据。将数据从网络上爬取之后，对各种原始数据进??行分析、整理、计算、编辑等数据清洗工作，最后将处理后的数据存储为数据文??件，完成课程推荐相关基础数据集的收集。??１１??
和搜狗“知立方”以期优化搜索结果。国家也十分重??视知识图谱技术的发展与应用，《新一代人工智能发展规划》指出，要重点研宄知识??图谱相关技术（概念识别、实体发现、关系挖掘等），并形成涵盖数十亿实体规模的??多源、多学科和多数据类型的知识图谱［３９］。随着人工智能的发展，知识图谱开始在??“人人理解”的领域中逐渐发挥出它强大的能力，成为通向机器智能化时代的阶梯。??知识图谱相关技术可以划分为知识表示与建模、知识获娶知识融合、知识图??谱查询推理及知识图谱应用五个子领域，其基本技术体系如图２．３所示。??｜第三方数??据库?????ｙ?ｒ????????■？数据整合?知识更新?知识检索??实体抽取???????ｉ?????Ｉ???半｜｜化——■？关系抽取一＿—实体对齐——？本体构建——？质量评估——识图??非Ｉ篇化?属性抽取??矢口?ｉ只撕又?知识推理???知识融合??图２．３知识图谱技术体系??由于本研宄需要构建课程推荐知识图谱，因此将对知识图谱构建中涉及的相关??１２??
【参考文献】：
期刊论文
[1]基于张量分解和深度学习的混合推荐算法[J]. 张家精,夏巽鹏,陈金兰,倪友聪. 南京大学学报(自然科学). 2019(06)
[2]结合信任度和项目关联的混合推荐算法[J]. 杨丰瑞,吴晓浩,万程峰. 计算机工程与科学. 2019(11)
[3]基于用户特定特征及内容的景点推荐模型研究[J]. 李川,张少茹. 计算机与数字工程. 2019(10)
[4]基于领域本体的学习路径推荐策略研究[J]. 严晓梅,李小青,周博. 软件导刊. 2019(09)
[5]政府工作报告——2019年3月5日在第十三届全国人民代表大会第二次会议上[J]. 李克强. 中华人民共和国国务院公报. 2019(09)
[6]深度学习视角下基于多模态知识图谱的MOOC课程重构[J]. 王亮. 现代教育技术. 2018(10)
[7]个性化学习资源推荐算法研究[J]. 卫文婕,付宇博. 中国教育信息化. 2018(18)
[8]基于二部图的学习资源混合推荐方法研究[J]. 刘忠宝,李花,宋文爱,孔祥艳,李宏艳,张静. 电化教育研究. 2018(08)
[9]利用LSTM网络和课程关联分类的推荐模型[J]. 王素琴,吴子锐. 计算机科学与探索. 2019(08)
[10]基于MOOC平台数据和知识图谱的学习路径推荐——以软件工程专业为例[J]. 吴强强,陈昊鹏,赵子濠,蒋建伟. 工业和信息化教育. 2017(11)
硕士论文
[1]基于深度学习的课程推荐与学习预测模型研究[D]. 朱柳青.浙江工商大学 2018
[2]基于学习分析的适应性学习路径推荐系统设计与开发[D]. 陈智慧.华中师范大学 2016
[3]基于时间效应和用户兴趣变化的改进推荐算法研究[D]. 孙光辉.北京邮电大学 2014
本文编号：3447289
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图２．１网络爬虫基本结构??网络爬虫按照系统结构和实现技术，大致可以分为以下几种类型：通用网络爬??虫（Ｇｅｎｅｒａｌ?Ｐｕｒｐｏｓｅ?Ｗｅｂ?Ｃｒａｗｌｅｒ）、聚焦网络爬虫（Ｆｏｃｕｓｅｄ?Ｗｅｂ?Ｃｒａｗｌｅｒ）、增量式??
？硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??终止条件［３８］。??０刀始化ＵＲＬ队歹ｊ??，ｒ???？从队列中取出一个ＵＲＬ???Ｊ????？读取ＵＲＬ页面??＞＾?＋ｎ＾Ｙ?Ｊ?将无效ＵＲＬ加入错误ＵＲＬ??￣１?队列中??Ｎ??＼?ｙ??解析此页面???ｊ???保存此次顺姻賴一＾彳紀己爬???面还包含新的ｕ＾＞??Ｎ?????满足停止条??（停止）??图２．２网络爬虫实现流程??在本文中，我们将使用网络爬虫技术获取学习者－课程交互数据、课程内容数??据以及知识图谱等实验相关数据。将数据从网络上爬取之后，对各种原始数据进??行分析、整理、计算、编辑等数据清洗工作，最后将处理后的数据存储为数据文??件，完成课程推荐相关基础数据集的收集。??１１??
和搜狗“知立方”以期优化搜索结果。国家也十分重??视知识图谱技术的发展与应用，《新一代人工智能发展规划》指出，要重点研宄知识??图谱相关技术（概念识别、实体发现、关系挖掘等），并形成涵盖数十亿实体规模的??多源、多学科和多数据类型的知识图谱［３９］。随着人工智能的发展，知识图谱开始在??“人人理解”的领域中逐渐发挥出它强大的能力，成为通向机器智能化时代的阶梯。??知识图谱相关技术可以划分为知识表示与建模、知识获娶知识融合、知识图??谱查询推理及知识图谱应用五个子领域，其基本技术体系如图２．３所示。??｜第三方数??据库?????ｙ?ｒ????????■？数据整合?知识更新?知识检索??实体抽取???????ｉ?????Ｉ???半｜｜化——■？关系抽取一＿—实体对齐——？本体构建——？质量评估——识图??非Ｉ篇化?属性抽取??矢口?ｉ只撕又?知识推理???知识融合??图２．３知识图谱技术体系??由于本研宄需要构建课程推荐知识图谱，因此将对知识图谱构建中涉及的相关??１２??
【参考文献】：
期刊论文
[1]基于张量分解和深度学习的混合推荐算法[J]. 张家精,夏巽鹏,陈金兰,倪友聪. 南京大学学报(自然科学). 2019(06)
[2]结合信任度和项目关联的混合推荐算法[J]. 杨丰瑞,吴晓浩,万程峰. 计算机工程与科学. 2019(11)
[3]基于用户特定特征及内容的景点推荐模型研究[J]. 李川,张少茹. 计算机与数字工程. 2019(10)
[4]基于领域本体的学习路径推荐策略研究[J]. 严晓梅,李小青,周博. 软件导刊. 2019(09)
[5]政府工作报告——2019年3月5日在第十三届全国人民代表大会第二次会议上[J]. 李克强. 中华人民共和国国务院公报. 2019(09)
[6]深度学习视角下基于多模态知识图谱的MOOC课程重构[J]. 王亮. 现代教育技术. 2018(10)
[7]个性化学习资源推荐算法研究[J]. 卫文婕,付宇博. 中国教育信息化. 2018(18)
[8]基于二部图的学习资源混合推荐方法研究[J]. 刘忠宝,李花,宋文爱,孔祥艳,李宏艳,张静. 电化教育研究. 2018(08)
[9]利用LSTM网络和课程关联分类的推荐模型[J]. 王素琴,吴子锐. 计算机科学与探索. 2019(08)
[10]基于MOOC平台数据和知识图谱的学习路径推荐——以软件工程专业为例[J]. 吴强强,陈昊鹏,赵子濠,蒋建伟. 工业和信息化教育. 2017(11)
硕士论文
[1]基于深度学习的课程推荐与学习预测模型研究[D]. 朱柳青.浙江工商大学 2018
[2]基于学习分析的适应性学习路径推荐系统设计与开发[D]. 陈智慧.华中师范大学 2016
[3]基于时间效应和用户兴趣变化的改进推荐算法研究[D]. 孙光辉.北京邮电大学 2014
本文编号：3447289
本文链接：https://www.wllwen.com/jiaoyulunwen/ktjx/3447289.html
