基于群组推荐的在线学习系统研究与实现

发布时间：2023-10-03 23:46

　　近年来,随着互联网技术的快速发展和终生学习理念的不断加强,利用互联网进行在线学习得到越来越多用户的关注和实践。在线学习使世界各地的用户跨越了时间和空间的限制,实现随时随地学习;同时,在线学习对于促进教育资源共享、教育资源公平性,也具有十分重要的应用价值和现实意义。国内外学者针对在线学习系统展开了大量的研究,取得了显著的成果。但由于在线学习系统具有用户学习风格不同以及学习资源海量的特点,导致在线学习系统研究中,仍存在以下问题,有待进一步解决和完善。(1)网络学习共同体的高效构建。在线学习系统不同于传统的学习方式,合理构建学习小组,共同完成学习任务,对于提升用户的学习效果和学习效率有至关重要的作用。因此合理地组织学习群组,构建网络学习共同体尤为重要。(2)智能的群组推荐算法。海量的学习资源,导致出现信息过载问题,用户难以从中选择适合的资源。推荐算法可以帮助用户推荐合适的学习资源,但是,群组推荐算法,不仅需要考虑单个用户的偏好,同时需要考虑群组内其他用户的偏好,推荐结果需要尽可能满足群组所有用户。本文以在线学习系统为研究目标,针对以上问题,开展深入的研究,主要的内容与创新点如下:(1)针对在...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 当前研究中存在的问题
    1.3 研究内容与创新点
    1.4 论文组织架构
第二章 相关工作及理论基础
    2.1 网络学习共同体概述
    2.2 网络学习共同体的构建
        2.2.1 基于社交网络的构建方法
        2.2.2 基于模型的构建方法
        2.2.3 基于聚类分析的构建方法
    2.3 群组推荐概述
        2.3.1 推荐算法
        2.3.2 群组偏好聚合策略
    2.4 本章小结
第三章 自适应分组算法
    3.1 引言
    3.2 算法思想及步骤
        3.2.1 用户相似度计算
        3.2.2 构建初步分组
        3.2.3 形成最终分组
        3.2.4 动态调整机制
    3.3 实验及其分析
        3.3.1 实验数据
        3.3.2 评价指标
        3.3.3 构建初步分组可视化实验分析
        3.3.4 形成最终分组效果实验分析
    3.4 本章小结
第四章 基于注意力机制的群组推荐算法
    4.1 引言
    4.2 算法思想及步骤
        4.2.1 用户的学习行为量化
        4.2.2 构建AMGR模型
        4.2.3 评分预测
        4.2.4 模型优化
    4.3 实验及其分析
        4.3.1 实验数据
        4.3.2 评价指标
        4.3.3 推荐效果实验分析
        4.3.4 模型性能实验分析
    4.4 本章小结
第五章 在线学习系统的设计与实现
    5.1 引言
    5.2 设计目标
    5.3 需求分析
    5.4 系统整体设计
        5.4.1 体系结构
        5.4.2 推荐流程
        5.4.3 系统功能模块
        5.4.4 数据库设计
    5.5 系统主要运行界面
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间的主要工作
致谢



本文编号：3850889