22132字硕士毕业论文教育学博士论文参考资料——教育资源推荐系统中的若干关键技术分析

绪方理论

1.1研究背景和意义

随着网络技术的不断发展，互联网的应用越来越广泛，网络已经成为人们获取信息和知识的重要途径之一。最新统计显示，目前，以学习信息为主要目的的网络用户数量已经达到5000多万。在这样巨大的需求下，信息化教育发展迅速，并逐渐成为一种新的、应用广泛的教育模式。信息化教育是一种网络教育模式，通过网络为相关人员提供高质量的教育信息和教育资源。网络教育给教学过程带来了便利。它不仅丰富了教师可利用的教学资源，而且有效地减轻了学生的书本负担。它是对传统教学模式的有益补充。随着信息化教育的发展，教师和学生越来越依赖网络教育资源。互联网上发布了大量的教育资源，教育资源的应用范围越来越广泛。随着信息化教育的不断发展，网络上的教育资源数量急剧增加，为教师提供了越来越多的教育资源，给教学过程带来了便利。

与此同时，随着教育资源的日益增多，用户越来越难以找到自己需要的教育资源。用户不得不花费大量时间去寻找他们需要的教育资源，这导致了所谓的“信息过载”现象。网络教学系统通常以教学网站为中心，系统用户可以看到预先给定的固定内容。如果系统中没有太多的信息和资源，问题就不会出现，但是随着系统中教育资源的不断增加，许多问题就会出现。最常见的问题是用户不知道所需的资源在哪里，所以他们需要花费大量的时间来寻找和选择最有价值和最需要的资源。这对那些视时间为生命的初高中学生没有帮助，但也会耽误他们的学习。为了解决教育资源领域的“信息过载”现象，教育资源个性化推荐服务技术应运而生。

。教育资源个性化推荐服务是指通过分析用户的个性化信息，自动向用户提供他们可能感兴趣的教育信息和教育资源。不同于教育资源搜索提供的“一对多”服务，教育资源个性化推荐服务的推荐结果更好地满足了用户的个性化需求。系统用户不需要过多地参与推荐过程，这使得用户使用更加方便，并且大大降低了寻找所需教育资源的成本。教育资源个性化推荐服务将系统从简单的“人找资源”模式转变为“人找资源，资源找人”的智能模式。教育资源个性化推荐服务作为一种智能信息服务技术，能够有效解决海量数据带来的“信息过载”问题，已经引起越来越多研究者的关注，成为信息教育和人工智能的重要课题和研究热点。

1.2教育资源推荐服务概述

1.2.1教育资源推荐服务的定义

网络教学系统包含非常丰富的教育资源。当学生发现新的教育资源时，他们不知道这些资源是否对他们有帮助。因此，他们需要浏览资源的特定内容或描述。如果资源不能满足他们的学习需求，这样的浏览是没有意义的。为了节省时间，提高在线学习效率，在线教学系统引入了教育资源推荐服务。教育资源推荐服务是指通过分析学生在使用在线教学系统过程中产生的个性化信息，预测新的教育资源是否满足学习需求，并将满足其学习需求的教育资源发送给学生[1]

1.2.2推荐服务的研究现状

随着互联网的普及和在线电子商务的不断发展，推荐服务逐渐成为一个重要的研究课题，受到了科研人员的广泛关注。推荐算法是推荐服务系统的重要组成部分。推荐算法决定了推荐服务的工作模式和服务策略。推荐算法的性能直接决定了推荐服务的性能。因此，推荐算法的研究是推荐服务研究的重点。根据不同的推荐策略，推荐算法主要包括以下几类[2]:

(1)基于内容的推荐算法；

(2)协同过滤推荐算法；

(3)混合推荐算法。基于内容的推荐算法不需要获得系统用户对特定项目的评价，而是通过分析系统用户和历史项目之间的交互信息来推荐新项目。基于内容的推荐技术和协同过滤推荐技术都有各自的问题。为了充分发挥各自的优势，研究人员将这两种技术结合起来，提出了混合推荐技术[9]。混合推荐技术将基于内容的推荐技术和协同过滤推荐技术以不同的方式结合起来，达到更好的推荐效果。这两种推荐技术可以在推荐的不同阶段进行组合。混合推荐技术能够充分发挥两种推荐技术各自的优势，已经引起了研究者的广泛关注，并成为推荐服务领域的一个新的研究热点。

对于教育资源的推荐，如何从教育资源中提取出最能表达用户感兴趣内容的特征，是有效准确推荐教育资源的必要前提。教育资源有多种类型，包括图像资源、音频资源、视频资源、动画资源、复合资源和除文本资源之外的其他多媒体资源。对于这些多媒体资源，很难直接从它们那里收集相应的信息。因此，对资源的描述被视为对资源内容的总结，因此所有类型的资源最终都应该是文本信息。

第二章:中文高频词提取算法……13基于树结构和加权熵

2.1导言...................13

2.2相关工作...................13

2.3加权信息熵............................15

2.4中文高频词提取算法...................16

第三章个性化教育资源推荐服务...................27基于网络挖掘技术

3.1导言...................27

3.2网络挖掘技术................27

3.3个性化推荐服务的设计............................29

第四章……39、基于多元学习和主动学习的教育资源推荐方法

4.1导言............................39

4.2基于流形学习的特征信息降维............................39

4.3基于主动学习的教育资源推荐方法..............................42

摘要

个性化推荐服务已经广泛应用于互联网电子商务、数字图书馆和信息教育领域。个性化推荐服务的应用能够有效解决“信息过载”和个性化用户需求的问题，受到越来越多研究者的关注。在信息教育领域，网络教学是一个重要的研究方向。在网络教学系统中，教育资源是必不可少的信息，起着至关重要的作用。随着教学资源的不断增加，学生越来越难找到有趣的资源。因此，在网络教学系统中增加教学资源推荐服务，可以将学生从庞大的网络信息资源中解放出来，大大节省学生在信息搜索上花费的时间和精力，也使得网络教学系统从“资源”为中心向“学生”为中心转变，向更高层次的网络服务发展。

参考

[1]杨丽娜、刘克成、阎志军。虚拟学习社区学习资源个性化推荐研究[。视听教育研究，2010(04):67-71。

[2]阿多玛维奇，阿图志林。走向下一代推荐系统:对最先进的和可能的扩展的观察。和数据。国际空间站，第17卷。6，第734-749页，2005年。

[3]巴拉巴诺维，肖汉姆。学习信息检索代理:自动网络浏览实验，AAAI春季信息收集研讨会，第13-18页，1995年。

[4]利伯曼。莱蒂齐亚:一个帮助网络浏览的代理人，载于《第四届国际人工智能联合会议录》，第924-929页，1995年。

[5]帕扎尼、穆拉松、比尔苏斯。Syskill&Webert:识别有趣的网站，发表于1996年俄勒冈州波特兰市第十三届全国人工智能会议记录第1卷。

[6]戈德堡，尼科尔斯，奥基·布姆，等。使用协同过滤编织信息挂毯。ACM通讯，1992，35(12):61~70。

[7]赫尔洛克，康斯坦，博尔彻斯，里德尔。1999年在美国加州伯克利举行的第22届美国计算机学会SIGIR信息检索研究与发展年会上提出的执行协同过滤的算法框架。

[8]古德伯格，罗德尔，古普塔，珀金斯。特征味觉:恒定时间协同过滤算法，信息检索，第4卷，iss。2，第133-151页，2001年。

[9]伯克。混合推荐系统:调查和实验，用户建模和用户适应性交互，第12卷，iss。4，第331- 370页，2002年。

[10]罗宾·b .混合推荐系统:调查和实验[·R .富勒顿加利福尼亚州立大学信息系统和决策科学系。