基于知识图谱的教学资源推荐方法研究

发布时间：2023-03-05 01:01

　　教育信息化的发展使学习者的学习方式从传统的课堂学习转变成在线学习。在教育大数据的发展下,教学资源呈现出资源海量、信息过载且质量良莠不齐的特征,学习者在这种环境下面临着“信息过载”和“知识迷航”的问题。个性化推荐系统是解决“信息过载”的一种有效方法。推荐系统根据学习者的历史行为挖掘学习者潜在的兴趣偏好,计算学习者与资源的相似度,向学习者推荐其可能感兴趣的教学资源。在目前的个性化教学资源推荐方法的研究中,研究者着重于学习者特征建模和资源属性建模,通过计算学习者与资源之间的相似度进行推荐。这类推荐算法更倾向于向学习者推荐与其偏好相似的资源,而没有考虑到教学资源之间的逻辑关系。学习者的学习过程有着循序渐进、知识由浅到深的特点,教学资源中包含的知识点之间有着丰富的逻辑关系,因此考虑资源包含的知识点间的关系来进行个性化资源推荐是非常有必要的。基于上述思考,本文构建了一个机器学习领域小范围知识图谱,并在此基础上提出了一种融合知识连接度和学习者兴趣的基于知识图谱的教学资源推荐算法。本文的主要工作如下:(1)使用Python语言编写网络爬虫爬取了豆瓣图书上标签为“机器学习”的所有书籍信息以及与其相关的交...

【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 研究背景与意义
    1.2 国内外研究现状
        1.2.1 知识图谱的研究现状
        1.2.2 推荐系统的研究现状
        1.2.3 基于知识图谱的推荐系统的研究现状
    1.3 本文的主要研究内容
    1.4 本文的组织结构
第2章 相关的理论和技术
    2.1 知识图谱构建
    2.2 词向量模型
    2.3 TextRank模型
    2.4 网络爬虫技术
    2.5 本章小结
第3章 知识图谱的构建
    3.1 源数据获取
    3.2 知识获取
        3.2.1 分词
        3.2.2 获取知识面实体
        3.2.3 获取知识点实体
    3.3 关系抽取
        3.3.1 抽取知识面实体-知识面实体间的关系
        3.3.2 抽取知识点实体相关的关系
    3.4 知识存储
    3.5 本章小结
第4章 基于知识图谱的推荐模型
    4.1 基于知识图谱的推荐模型
        4.1.1 用户兴趣与资源的相似度
        4.1.2 知识连接度
        4.1.3 推荐流程
        4.1.4 初学者资源推荐策略
    4.2 推荐系统的实例分析
        4.2.1 数据预处理
        4.2.2 实验过程设计
        4.2.3 实验结果与分析
    4.3 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士期间发表的论文
致谢



本文编号：3755374