摘要：隨著“互聯(lián)網(wǎng)+”教育的快速發(fā)展,在線學(xué)習(xí)資源數(shù)據(jù)規(guī)模急劇擴(kuò)張,學(xué)習(xí)者從海量的學(xué)習(xí)資源中選擇合適資源的難度隨之增大。如何幫助學(xué)習(xí)者獲取合適的學(xué)習(xí)資源開展個性化學(xué)習(xí),已成為智能學(xué)習(xí)領(lǐng)域重要的研究課題。實現(xiàn)個性化學(xué)習(xí)資源推薦的關(guān)鍵在于對在線學(xué)習(xí)平臺數(shù)據(jù)應(yīng)用價值的探索與挖掘,全面考慮學(xué)習(xí)者與學(xué)習(xí)資源之間的關(guān)聯(lián)性。隨著人工智能的不斷發(fā)展,簡單的機(jī)器學(xué)習(xí)已經(jīng)難以滿足個性化學(xué)習(xí)資源推薦服務(wù),基于深度神經(jīng)網(wǎng)絡(luò)設(shè)計的個性化學(xué)習(xí)資源推薦方法,通過基于MIFS的特征選擇模型和學(xué)習(xí)者-學(xué)習(xí)資源二部圖關(guān)聯(lián)模型,在有效衡量學(xué)習(xí)者對學(xué)習(xí)資源的不同關(guān)注程度,以及深度挖掘?qū)W習(xí)者的個性化偏好基礎(chǔ)上,為學(xué)習(xí)者推薦合適的學(xué)習(xí)資源。該方法在不同學(xué)習(xí)時間和學(xué)習(xí)者的實驗條件下,取得了較好的推薦效果,并且在分類與回歸性能評價指標(biāo)上優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)算法,說明其能夠較好地提供教育大數(shù)據(jù)環(huán)境下的個性化學(xué)習(xí)資源推薦服務(wù),提升學(xué)習(xí)者的在線學(xué)習(xí)體驗。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
