个性化学习资源推荐算法研究

被引：6
作者：
卫文婕
付宇博
机构：
[1] 华中师范大学国家数字化学习工程技术研究中心
来源：
中国教育信息化 | 2018年 / 18期
关键词：
基于内容的推荐; 奇异值分解; 基于用户/项目的协同过滤推荐; 混合推荐;
D O I：
暂无
中图分类号：
G434 [计算机化教学];
学科分类号：
040110 ;
摘要：
互联网技术的飞速发展使得越来越多的学习者采取在线学习的方式获取知识,但是海量的网络信息让学习者很难及时有效地找到满足自己需求的学习资源,因此,个性化学习资源推荐技术日益成为教育技术领域的研究热点。文章针对教育技术领域常用的个性化学习资源推荐技术及算法做了综述,主要介绍了基于内容的推荐算法,基于协同过滤的推荐算法以及混合推荐算法,并对这些算法的优缺点进行了对比总结,最后分析了现有个性化学习资源推荐技术中可能存在的不足,以期为个性化学习推荐方面的研究提供参考。
引用
收藏
页码：91 / 96
页数：6
相关论文
共 18 条
[1]  
On the effects of dimensionality reduction on high dimensional similarity search. Aggarwal C C. 20th ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems . 2001
[2]  
Application of Dimensionality Reduction in Recommender System-A case study. Sarwar B,Karypis G,Konstan J,et al. Proceedings of the WebKDD 2000 Web Mining for E-Commerce Workshop at ACM SIGKDD . 2000
[3]  
Hybrid Recommender Systems: Survey and Experiments[J] . Robin Burke. &nbspUser Modeling and User-Adapted Interaction . 2002 (4)
[4]  
A Survey of Collaborative Filtering Techniques[J] . Xiaoyuan Su,Taghi M. Khoshgoftaar,Jun Hong. &nbspAdvances in Artificial Intelligence . 2009
[5]  
基于协同过滤的教学资源个性化推荐技术的研究及应用[D]. 李高敏.北京交通大学 2011
[6]  
基于向量空间模型的文本分类算法研究[D]. 张振峰.杭州电子科技大学 2011
[7]  
基于Web日志挖掘的学习资源个性化推荐方法研究[D]. 樊丽.吉林大学 2012
[8]  
支持个性化学习资源推荐的在线辅助学习系统的研究与设计[D]. 王凯.陕西师范大学 2014
[9]   个性化推荐算法设计 [J].
赵亮 ;
胡乃静 ;
张守志 .
计算机研究与发展, 2002, (08) :986-991
[10]   协同过滤推荐算法综述 [J].
马宏伟 ;
张光卫 ;
李鹏 .
小型微型计算机系统, 2009, 30 (07) :1282-1288
12