数据驱动的在线学习资源推荐框架研究

“互联网+”在教育领域的深入渗透和新冠肺炎疫情期间“停课不停学”的号召加速了在线学习平台的发展,但多样化学习资源的指数级增长容易给学习者(尤其是中小学生)造成知识迷航的困境。本文结合在线学习场景和需求,提出了一种融合依赖关系与序列表示的个性化在线学习资源推荐框架,充分利用多源数据,挖掘资源间固有关系和学习者动态兴趣变化,进行精准资源推荐,以消除信息壁垒,引导用户学习过程。