適套用戶興趣漂移的知識結構組織和學習服務推薦方法

《適套用戶興趣漂移的知識結構組織和學習服務推薦方法》是依託北京大學，由朱鄭州擔任負責人的青年科學基金項目。

基本介紹

• 中文名：適套用戶興趣漂移的知識結構組織和學習服務推薦方法
• 項目負責人：朱鄭州
• 項目類別：青年科學基金項目
• 依託單位：北京大學

項目摘要

在個性化服務推薦領域，由於用戶興趣的不規律漂移，服務的數量龐大、種類繁多，傳統的服務推薦方法難以適套用戶的個性化、多樣性需求。本項目研究適套用戶興趣漂移的知識結構組織和學習服務推薦方法，從知識結構的語義描述和用戶興趣漂移的結構化描述入手，進行多階段協同過濾推薦，提升學習服務推薦的用戶針對性和滿意度。主要研究內容：①研究知識的層次結構和知識點間的語義關係，建立知識點本體；②提出基於知識點本體的用戶興趣漂移模型，根據混沌理論的分形思想，從用戶行為對用戶興趣的影響和遺忘曲線對用戶興趣的影響兩個維度刻畫用戶興趣漂移規律；③提出可適套用戶興趣漂移的學習服務推薦方法，通過同構用戶和同好用戶分別進行知識點推薦和學習服務推薦，並給出應對冷啟動問題的方法；④在真實環境中對該方法進行驗證和評估。本項目對豐富面向教育領域的服務工程理論和方法具有重要的理論意義和套用價值。

結題摘要

在個性化服務推薦領域，由於用戶興趣的不規律漂移，服務的數量龐大、種類繁多，傳統的服務推薦方法難以適套用戶的個性化、多樣性需求。本項目取得以下3方面成果：①提出了一種多尺度可變顆粒度知識融合方法，並用於構建一個基於中文MooC數據的自成長中文知識圖譜，對線上學習具有一定的指導意義；結合骨架法和七步法的優點，提出適用於國中數學知識本體的構建方法，並構建了國中數學知識本體，對個性化教學系統的建設具有實用價值；提出了一種基於知識圖譜提取關鍵短語的方法，可以在不引入多種噪聲的前提下發現兩個關鍵條款的潛在關係：名詞性詞語和命名實體，該方法優於目前最先進的方法；設計了故障診斷技能學習中知識表示、發現、獲取、套用四個方面邏輯，並研究了相關服務的套用效果。②提出了基於概念層次樹的用戶興趣漂移模型和基於遺忘曲線的用戶興趣漂移模型。分別採用漸進遺忘機制和滑動時間視窗機制處理用戶長期興趣的衰減和短期興趣的濾除，實現了興趣的發現、度量、漂移、轉變、衰減和遺忘、用戶行為規則的發現與權重計算等；提出了一種新的學習者模型，包括基本信息、學習風格、知識狀態和認知能力四個特徵要素，給出了這四個特徵要素的形式化表示方法及值的初始化和更新方法。③提出了一種基於用戶線上學習時序行為的協同過濾推薦算法，提取學習者線上學習過程中產生的特徵時序行為序列，對有相似學習行為特點的用戶進行聚類，向用戶推薦學習資源，與傳統基於用戶的協同過濾算法相比，在算法準確率和召回率上分別提高了110%和40%。；設計了一種新型的學習預警模型，採集學習者學習行為數據，劃分為知識、行為、態度三個維度，使用隨機森林算法從三維數據中提取出影響學習績效的特徵，預測出學習者期末考試成績，相比於基於線性回歸算法的學習預警模型，均方誤差降低了27.498%，平均絕對差值降低了26.960%。這些成果對個性化推薦、教育數據挖掘和知識管理領域有一定的理論意義。