学位论文 > 优秀研究生学位论文题录展示

E-Learning个性化系统的推荐策略研究——来自电子商务推荐系统的启示

作　者: 任宇
导　师: 赵蔚
学　校: 东北师范大学
专　业: 教育技术学
关键词: 数字化学习 个性化学习系统 电子商务推荐系统 个性化推荐 推荐策略 协同过滤
分类号: TP391.6
类　型: 硕士论文
年　份: 2010年
下　载: 354次
引　用: 0次
阅　读: 论文下载
 

内容摘要


在建设数字化终身学习体系的大背景下,E-Learning个性化推荐系统作为终身学习体系中最重要的学习方式,受到广泛的关注。个性化推荐系统(简称PRS)最早应用于电子商务和信息服务领域,现已相对成熟。而PRS在E-Learning中的应用尚处于摸索阶段。鉴于此,笔者以电子商务领域的个性化推荐系统为切入点,选取其中成功的推荐系统案例做研究,获取个性化推荐系统应用的成功经验,并从中提取出对E-Learning系统个性化建设的启示,最终探讨出E-Learning个性化系统的推荐策略。本研究以个性化推荐理论作为基本的理论基础。首先采用文献研究法,探讨出个性化推荐理论的内涵,并对当前个性化推荐的关键技术进行简单的介绍,针对这些关键技术的优缺点和适用场合比较分析,提出常用的个性化推荐策略。然后采用个案调查法,以Amazon.com、豆瓣网、MovieLens.org三个成功的电子商务个性化推荐系统为研究案例,分析他们典型的推荐功能和采用的推荐策略以及优势特点,从中获取个性化推荐理论应用的成功经验。最后分析E-Learning个性化系统中的推荐服务形式,通过比较与电子商务推荐系统的相似之处找到可借鉴到E-Learning中的几个方面:1.建立虚拟学习社区;2.引入社会化标签,并做标签修正;3.充分发掘用户之间的推荐;4.优化推荐;5.创建个性化的学习环境。最终提出E-Learning个性化系统的推荐策略:采用协同过滤技术与基于关联规则的推荐相组合的推荐策略,建立一个虚拟学习社区。利用系统算法推荐与用户之间推荐相结合的方式,将学习资源、学习活动、学习策略三者整合起来,向学习者推荐完整的E-Learning学习方案。

全文目录


摘要  4-5
Abstract  5-8
第1章 绪论  8-12
  1.1 研究背景  8
  1.2 E-Learning 个性化推荐系统研究现状  8-9
  1.3 论文研究的意义  9-10
  1.4 论文的研究内容与组织结构  10-12
第2章 个性化推荐的理论、技术与策略  12-20
  2.1 个性化推荐理论内涵  12-13
  2.2 个性化推荐的关键技术  13-18
    2.2.1 协同过滤推荐  13-16
      2.2.1.1 基于用户的协同过滤  14-15
      2.2.1.2 基于项目的协同过滤  15-16
    2.2.2 基于用户统计信息的推荐  16
    2.2.3 基于内容的推荐  16
    2.2.4 基于效用的推荐  16
    2.2.5 基于知识的推荐  16-17
    2.2.6 基于规则的推荐  17
    2.2.7 各种推荐技术的比较  17-18
  2.3 个性化推荐策略  18-20
第3章 电子商务个性化推荐系统的典型应用案例解析  20-41
  3.1 Amazon.com“个性化推荐先驱”  20-27
    3.1.1 典型的推荐功能  21-25
    3.1.2 采用的推荐策略  25-27
    3.1.3 优势  27
  3.2 豆瓣“推荐好东西的网站”  27-36
    3.2.1 典型的推荐功能  29-34
    3.2.2 采用的推荐策略  34-36
    3.2.3 优势  36
  3.3 MovieLens.org“推荐系统的研究站点”  36-41
    3.3.1 典型的推荐功能  37-39
    3.3.2 采用的推荐策略  39
    3.3.3 优势  39-41
第4章 电子商务启示下的E-Learning 个性化系统推荐策略  41-47
  4.1 E-Learning 个性化系统中的推荐服务  41-42
    4.1.1 学习资源的推荐  41
    4.1.2 学习活动的推荐  41
    4.1.3 学习策略的推荐  41-42
  4.2 电子商务个性化推荐系统对E-Learning 系统个性化建设的启示  42-44
  4.3 E-Learning 个性化系统推荐策略  44-47
第5章 总结与展望  47-49
  5.1 总结  47-48
  5.2 展望  48-49
参考文献  49-51
后记  51-52
在学期间公开发表论文及著作情况  52

相似论文

  1. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  2. 数字化学习资源支持下的大学生自主学习模式构建研究,G434
  3. 基于自然遗忘的个性化推荐算法研究,TP311.52
  4. 面向用户偏好的MADM方法在个性化推荐中的应用,G353.1
  5. 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
  6. 基于协同过滤的用户兴趣发现,TP391.3
  7. 基于信息型模型的音乐推荐算法,TP391.3
  8. 基于社会化标签体系的个性化推荐引擎技术研究,TP391.3
  9. 基于GPU的图书推荐系统研究与实现,TP391.3
  10. 商品热销度分析与展示,TP391.3
  11. 基于C2C电子商务模式下商品推荐系统应用研究,F724.6
  12. 基于Agent元搜索引擎的个性化研究,TP391.3
  13. 基于用户兴趣和浏览行为的个性化推荐技术研究,TP391.3
  14. 改进的聚类挖掘算法对网络自助出版“长尾”文本的推荐应用,TP311.13
  15. 基于特征向量的个性化推荐算法研究,TP391.3
  16. 基于语用情境的资源推荐研究及应用,TP391.3
  17. 动态推荐技术的研究及在个性化电子警务中的应用,D631.1
  18. 高校思想政治课混合式学习的设计和应用,G641
  19. Web挖掘技术在远程教学系统中的应用,TP391.6
  20. 跨系统个性化服务中隐私保持问题研究,TP393.08
  21. Agent电子商务推荐系统下协同过滤技术研究,F713.36

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 教学机、学习机
© 2012 www.xueweilunwen.com