基于知识图谱个性化学习推荐系统的研究与实现

发布时间：2022-09-24 19:02

　　近些年来随着教育信息化、个性化教育和K12等观念提出,传统教育向信息化智能化转变,网络上学习不受时间的和地点的约束的学习方式被学生群体所青睐和喜欢。在网络上学习已经成为学生获取知识过程中必不可缺的一种学习途径。据研究调查,近几年在线学习的用户规模每年以15%左右的速度持续增长,网络上有着数不胜数的学习资源,学生在网络上随心所欲的学习知识的同时也引发一些问题。网上学习与传统课堂学习存在差异性,网上学习更加需要学生们自发地主动的去学习,考验学生的自主性,有些学生在网络上学习就出现了不知道怎么学的情况,学生自己无法知道自己对知识点的掌握情况或者学完这个知识点下一个学什么的问题。现有的推荐系统为学生推荐的试题存在不符合学生个人学习需求的情况,从而使得推荐效果不是很理想。本文开发基于知识图谱个性化学习推荐系统使用的是SSM框架、数据库平台使用的是MySql以及neo4j图数据库。在课程知识图谱构建阶段,首先使用Scrpay技术从百度百科、豆瓣与MOOC网获取知识点与试题的数据,接着基于tf-idf算法抽取课程知识点实体,最后基于人工规则抽取实体间的关系,并且使用neo4j图数据库进行知识图谱的存... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究现状
        1.2.1 知识图谱研究现状
        1.2.2 推荐系统研究现状
    1.3 论文研究主要内容
    1.4 论文组织架构
第2章 相关工作
    2.1 知识图谱
        2.1.1 知识图谱概述
        2.1.2 知识图谱构建
    2.2 知识获取
        2.2.1 数据获取与处理
        2.2.2 实体抽取
        2.2.3 关系抽取
    2.3 协同过滤推荐算法(CF)
        2.3.1 推荐算法概述
        2.3.2 基于物品的协同过滤推荐算法
        2.3.3 基于用户的协同过滤推荐算法
        2.3.4 协同过滤推荐不足
    2.4 本章小结
第3章 个性化学习推荐系统需求分析
    3.1 个性化学习推荐系统总体需求分析
    3.2 个性化学习推荐系统功能需求分析
        3.2.1 学生数据采模块集需求分析
        3.2.2 教学资源管理模块功能需求分析
        3.2.3 个性化学习推荐模块功能需求分析
    3.3 基于知识图谱个化学习推荐系统非功能需求分析
    3.4 基于知识图谱个性化学习推荐系统可行性分析
    3.5 本章小结
第4章 个性化学习推荐系统总体设计
    4.1 个性化学习推荐系统的总体结构与设计
    4.2 个性化学习推荐系统功能结构设计
        4.2.1 学生数据采集模块模块功能设计
        4.2.2 教学资源管理模块功能设计
        4.2.3 个性化学习推荐模块功能设计
    4.3 个性化学习推荐系统数据库设计
        4.3.1 系统概念结构设计
        4.3.2 系统数据库表设计
    4.4 本章小结
第5章 基于知识图谱个性化学习推荐系统关键技术
    5.1 构建课程知识图谱
        5.1.1 数据源获取
        5.1.2 TF-IDF算法抽取关键字
        5.1.3 抽取实体关系
        5.1.4 知识图谱存储
    5.2 基于知识图谱个性化学习推荐算法
        5.2.1 判定学生对知识点的掌握情况
        5.2.2 计算试题之间的相似度
        5.2.3 结合用户喜好形成推荐列表
        5.2.4 推荐算法选取及设计
    5.3 本章小结
第6章 基于个性化学习推荐系统实现与测试
    6.1 个性化学习推荐系统总体结构与设计
    6.2 个性化学习推荐系统界面实现
        6.2.1 学生信息采集模块界面实现
        6.2.2 教学资源管理界面实现
        6.2.3 个性化学习推荐模块界面实现
        6.2.4 学生学习功能实现
    6.3 基于知识图谱个性化推荐系统测试
        6.3.1 系统测试目的
        6.3.2 用户信息录入模块功能测试
        6.3.3 教学管理模块功能测试
        6.3.4 学生学习功能模块功能测试
        6.3.5 个性化学习推荐模块功能测试
    6.4 本章小结
第7章 总结与展望
    7.1 总结
    7.2 展望
致谢
参考文献
攻读学位期间发表的学术论文及参加科研情况


【参考文献】：
期刊论文
[1]一种面向多维特征分析过滤的视频推荐算法[J]. 赵楠,皮文超,许长桥.  计算机科学. 2020(04)
[2]融合关系挖掘与协同过滤的物品冷启动推荐算法[J]. 任永功,石佳鑫,张志鹏.  模式识别与人工智能. 2020(01)
[3]融合循环知识图谱和协同过滤电影推荐算法[J]. 李浩,张亚钏,康雁,杨兵,卜荣景,李晋源.  计算机工程与应用. 2020(02)
[4]面向智慧教育的学科知识图谱构建与创新应用[J]. 李艳燕,张香玲,李新,杜静.  电化教育研究. 2019(08)
[5]国内基于知识图谱的信息推荐研究进展[J]. 孙雨生,祝博,朱礼军.  情报理论与实践. 2019(12)
[6]“人工智能+”视域下的教育知识图谱:内涵、技术框架与应用研究[J]. 李振,周东岱,王勇.  远程教育杂志. 2019(04)
[7]基于知识图谱和频繁序列挖掘的旅游路线推荐[J]. 孙文平,常亮,宾辰忠,古天龙,孙彦鹏.  计算机科学. 2019(02)
[8]推荐系统领域研究现状分析[J]. 李学超,张文德,曾金晶,余芳.  情报探索. 2019(01)
[9]基于自适应学习的知识本体推荐系统的研究与实现[J]. 潘家瑶.  信息技术与信息化. 2018(12)
[10]智慧教育研究现状与发展趋势[J]. 郑庆华,董博,钱步月,田锋,魏笔凡,张未展,刘均.  计算机研究与发展. 2019(01)

硕士论文
[1]基于Neo4j图数据库构建中学语文诗词知识图谱[D]. 冯俐.陕西师范大学 2019



本文编号：3680696