摘要：随着“互联网+”教育的快速发展,在线学习资源数据规模急剧扩张,学习者从海量的学习资源中选择合适资源的难度随之增大。如何帮助学习者获取合适的学习资源开展个性化学习,已成为智能学习领域重要的研究课题。实现个性化学习资源推荐的关键在于对在线学习平台数据应用价值的探索与挖掘,全面考虑学习者与学习资源之间的关联性。随着人工智能的不断发展,简单的机器学习已经难以满足个性化学习资源推荐服务,基于深度神经网络设计的个性化学习资源推荐方法,通过基于MIFS的特征选择模型和学习者-学习资源二部图关联模型,在有效衡量学习者对学习资源的不同关注程度,以及深度挖掘学习者的个性化偏好基础上,为学习者推荐合适的学习资源。该方法在不同学习时间和学习者的实验条件下,取得了较好的推荐效果,并且在分类与回归性能评价指标上优于传统机器学习算法,说明其能够较好地提供教育大数据环境下的个性化学习资源推荐服务,提升学习者的在线学习体验。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
