面向MOOC的个性化学习路径推荐关键问题研究

尝试个性化学习路径推荐系统 #生活乐趣# #创新乐趣# #趣味学习工具#

声明

答辩委员会名单

致谢

中文摘要

英文摘要

目录

1 引言

1.1 研究背景与意义

1.2 研究工作面临的主要挑战

1.3 研究内容与主要贡献

1.4 组织结构

2 研究现状与基础知识

2.1 MOOC教学模式

2.2 教育学习者建模研究

2.2.1 学习者模型中的心理测量

2.2.2 学习者模型中的认知建模

2.2.3 学习者模型中的情感分析

2.2.4 MOOC学习者建模

2.3 教育知识图谱研究

2.3.1 知识图谱概念及表示

2.3.2 知识图谱构建方法

2.3.3 教育知识图谱

2.4 教育资源推荐研究

2.4.1 基于交互数据的推荐方法

2.4.2 融合边信息的推荐方法

2.4.3 融合知识图谱的推荐方法

2.4.4 MOOC课程推荐方法

2.5 本章小结

3 多方位MOOC用户画像构建

3.1 MOOC用户画像体系及关键问题

3.2 基于文本挖掘和人格分析的静态画像

3.2.1 问题描述

3.2.2 数据集描述

3.2.3 基于文本多视图特征的人格分析模型

3.2.4 实验验证

3.2.5 本节小结

3.3 基于能力评估和追踪的动态画像

3.3.1 问题描述

3.3.2 数据集描述

3.3.3 面向课程主题的能力追踪模型

3.3.4 实验验证

3.3.5 本节小结

3.4 基于评教文本情感分析的观点画像

3.4.1 问题描述

3.4.2 数据集描述

3.4.3 认知过程启发的连续语义单元情感分析方法

3.4.4 实验验证

3.4.5 本节小结

3.5 本章小结

4 MOOC知识概念图谱构建

4.1 大规模语料下联合抽取的知识图谱构建技术

4.1.1 立体空间视角下的问题描述与剖析

4.1.2 立体空间视角下的既有研究分析

4.1.3 立体空间视角下的联合抽取模型

4.1.4 实验验证

4.2 小规模语料下MOOC知识概念识别方法

4.2.1 问题描述

4.2.2 数据集描述

4.2.3 “候选集合+分类”两阶段MOOC知识概念识别方法

4.2.4 实验验证

4.3 小规模语料下MOOC知识关系提取方法

4.3.1 问题描述

4.3.2 数据集描述

4.3.3 多源特征驱动的知识关系提取方法

4.3.4 实验验证

4.4 本章小结

5 画像和图谱协同增强的MOOC学习路径推荐

5.1 融合用户画像的课程推荐方法

5.1.1 问题描述

5.1.2 能力追踪增强的MOOC课程推荐模型

5.1.3 实验验证

5.2 融合知识概念图谱的课程序列推荐方法

5.2.1 问题描述

5.2.2 数据集描述

5.2.3 知识概念路径增强的课程序列推荐模型

5.2.4 实验验证

5.3 融合用户画像和知识概念图谱的学习路径推荐方法

5.3.1 问题描述

5.3.2 “能力监督+知识增强”的课程序列推荐模型

5.3.3 实验验证

5.4 本章小结

6 结论

6.1 工作总结

6.2 未来展望

参考文献

作者简历及攻读博士学位期间取得的研究成果

答辩决议书

独创性声明

学位论文数据集

网址：面向MOOC的个性化学习路径推荐关键问题研究 https://www.yuejiaxmz.com/news/view/1298707

相关内容

图书馆个性化推荐服务的信息窄化问题研究
个性化学习路径的优化策略
基于电子商务的个性化推荐系统研究
基于页面聚类的个性化推荐算法研究
面向排序的个性化推荐算法研究与实现.pdf
用户画像在教育资源个性化推荐中的应用研究
城市生活垃圾回收物流网络路径优化问题研究
个性化推荐算法研究
面向移动应用的个性化推荐方法研究
个性化推荐系统，必须关注的五大研究热点

随便看看