非均匀个性化网络资源的深度并行推荐仿真

在网络资源深度推荐时,若不能及时对网络资源数据内部不完整数据展开有效清洗,会直接影响网络资源的推荐效果。因此,提出非均匀个性化网络资源深度并行推荐算法。通过获取网络资源数据,使用野值识别方法有效去除数据中的不完整数据;并对网络资源数据实施标准化处理,确定完整的网络资源数据集合;根据确定的网络资源数据计算用户直接相似度,建立用户网络图;通过对其游走确定用户间接相似度,重构用户相似度矩阵,确定推荐列表,完成算法设计。使用Spark并行计算平台辅助设计的推荐算法,确定算法实现流程,完成非均匀个性化网络资源深度并行推荐。实验结果表明,所提方法开展网络资源并行推荐时,平均绝对误差和均方根误差小,表明其推荐效果好。

大数据视域下个性化网络学习支持系统的设计与实现

随着大数据技术的快速发展,个性化网络学习支持系统逐渐成为教育领域的研究热点。文中以大数据视域下的个性化网络学习支持系统的设计与实现为中心,探讨了如何利用大数据技术为学习者提供个性化的学习服务,介绍了个性化教学的内涵与个性化智能教学系统技术的主要类型。然后,进一步分析了大数据背景下的个性化智能教学设计的需求,提出了个性化智能教学的具体设计,并探讨了其未来的发展趋势。

基于多Agent混合智能实现个性化网络信息推荐

1 引言互联网的迅速发展和普及,使得人们可以通过网络获取大量的信息资源,为帮助用户从互联网获取需要的各种信息资源,各种搜索引擎,如Yahoo!、Excite等相继诞生,它们为用户提供信息导航服务,帮助用户获取需要的信息。但随着网络资源的指数膨胀,使得搜索引擎难以为用户提供满意的服务。

基于本体知识管理的远程个性化网络学习系统模型研究

当前,由于远程学习系统难以突破个性化支持的瓶颈,因而对学习者的学习支持比较有限。设计并实现能够提供个性化学习支持服务的远程网络学习系统将有助于大幅提升远程学习者的学习效果和效率。本研究引入本体及其相关技术,作为实现系统个性化服务的突破口,进而提出了一个完整的基于本体知识管理的远程个性化网络学习系统模型,该模型包括资源管理模块、领域本体构建模块、个性化用户建模模块和个性化学习支持服务模块。在此模型的基础上,本研究采用软件设计思路和方法分析了模型中各模块的功能及其实现的逻辑路径。经过初步的实践开发验证该模型具有可行性。此外,研究过程中提出的领域本体构建方法、多种形式的个性化学习服务应用的实现逻辑等对其他相关研究具有可借鉴的价值。

消费者屏蔽个性化网络广告的影响因素分析

通过结构方程,验证了消费者感知目标障碍、感知广告不相关和先前不好的经历显著影响其对个性化网络广告的负面反应,先前不好的经历更容易导致消费者屏蔽广告。在此基础上,验证了便利品、选购品和特殊品对消费者感知因素与其屏蔽个性化网络广告之间关系的影响程度差异,研究结果表明特殊品的影响程度高于选购品,而选购品的影响程度高于便利品。

个性化网络信息过滤Agent的反馈评价机制

文章描述了信息过滤的作用,并介绍了一个基于Agent的万维网文档信息过滤系统。文中提出了个性化网络信息过滤Agent的结构及其实现方案,并讨论了用相关反馈评价机制更新用户兴趣模型的问题,建议用决策树从用户分类的文档集中学习用户的信息兴趣。

概念图智能匹配机制用于支持个性化网络学习

针对个性化网络学习平台中往往只关注学习者学习风格而忽略对学习者认知能力培养的问题提出一种基于概念图的方法对学习者认知能力进行形式化描述。采用自然语言处理及潜在语义分析方法构建基于学习者行为的学习者概念图及领域知识概念图,提出一种基于最大共同子图的匹配算法计算学习者概念图与领域知识概念图之间的相似度,提取学习者的个性化知识缺失、还需要掌握的知识,并以可视化形式呈现一定知识目标领域内学习者的已有知识及需要掌握的知识。实验结果表明,基于概念图的个性化网络学习能够促进学习者及时纠正、完善知识点的理解缺陷,培养学习者的认知能力。

基于后台数据库的个性化网络课程设计

随着数据库与Web技术的发展,CAI更趋于网络化、智能化和个性化。文中研究如何利用数据库技术,借助ASP进行计算机网络辅助教学软件的设计,实现了一个学习《计算机组成与结构》的网络课程,使网络用户能够方便地进行课程的学习、信息的在线管理和维护。该方案对于设计个性化网络课程,开展高效率、全方位的网络教学具有一定的推广意义。

个性化网络学习空间建设与应用研究

网络学习空间是随着互联网技术发展而出现的新的教学应用服务形式。基于网络空间开发应用模式,提出了个性化网络学习空间建设的原则与目标定位,阐述了网络学习空间的6个功能要素及其逻辑结构,分析了基于个性化网络空间学习应用的几种主要形式。

基于多Agent的个性化网络学习环境模型设计

传统的教学系统难以满足用户个性化的需求。将人工智能的Agent技术引入网络学习环境的研究中,提出了基于多Agent的个性化网络学习环境模型,并详细阐述了系统的体系结构、设计思想和实现技术。

个性化网络教学平台的构建

传统网络教学平台存的单一性已不能适应个性化的学习需求,必须构建个性化的学习平台才能满足个体学习的差异性。本论文主要研究内容是将建构主义理论和数据挖掘技术运用到网络教学系统中,针对网络教学现状建立一个通用教学模型。该模型具有跟踪学习者学习过程,根据每个学习者自身特点,调整教学策略,让学习者得到针对其个性化信息定制的教育。

基于Web使用挖掘的个性化网络教育模型研究

本文提出了一个基于Web使用挖掘的个性化网络教育模型,它能够应用数据挖掘的方法,从站点上积累下来的信息中提取抽象的、潜在的知识,以实现远程教育的个性化。

蔬菜种子个性化网络营销策略

随着蔬菜种子市场的开放,市场竞争呈现多元化趋势,如何及时、准确、有效地将适用且经济的种子信息反馈给购货商,是当前亟需解决的重要问题。虽然农业网站在蔬菜种子供销信息以及产品推介上已经有了雏形,但是由于种子信息数量多、随机性强的特点,导致购货商的选择难度增大,同时也存在信息资源共享程度以及利用率低下的问题。对于购货商来说,如何选择质优价廉的种子并为其提供便利的信息成为一个需要探讨的问题,因此采用个性化的网络营销策略成为必然趋势。

个性化网络学习模式的评价和研究

近些年来,随着国家教育体制的持续改革和创新,各类教学的模式与方法也在进行着有效的改革。与此同时,在网络科技不断发展的前提和背景下,个性化网络学习模式逐渐被运用到多种教学活动当中,旨在提升学生的专业能力和水平。文章主要对个性化网络学习模式进行评价和研究,通过深入的讨论和研究个性化网络学习模式,更有针对性地提升学生的网络学习热情和学习质量,不断提升个性化网络学习模式的运用效果和质量。

基于Web日志挖掘的个性化网络教学系统研究

首先介绍了Web日志挖掘和个性化推荐服务所包含的内容,然后具体讲述了网络教学系统体系结构的设计以及在该系统中所采用的关键技术和Clope算法与改进的Apriori算法。最后通过实验结果的分析说明构建基于Web日志挖掘的个性化网络教学系统可以完成因材施教的需求。

利用E—mail实现个性化网络营销

个性化网络营销随着社会信息化而兴起，由于电子邮件个性化营销的优势，已越来越被人们采用和接受，电子邮件个性化营销需要安全可靠的技术支撑。以实例分析利用电子邮件实现个性化网络营销应该注意的问题。

评价个性化网络教学质量的新法

长期以来，以教师为中心的传统教学，教学手段单一，内容枯燥、乏味，不利于学生的发展，限制了学生的思维，而个性化网络教学使教师与学生互动起来，以“学生为主体，教师主导”的形式，也就是以学生的自主学习为主要方式，以教师的辅导和帮助为次要方式。个性化网络教学，不仅体现对个性化的要求，而且跟随时代的发展，利用网络教学，弥补传统教学的诸多缺陷，体现现代教育技术的优越性。

基于个人知识管理的个性化网络教育应用

知识管理是伴随着知识经济的兴起而产生的,它强调对组织知识的有效管理和利用.简单而言,个人知识管理就是个体的知识管理,是个人根据自己的实际需要将零散、随机的信息转换成可系统利用、可扩展的个人知识.网络教育由其自身特点决定了网络教育的学习者具有"三高"的特点:即高自主选择性、高主动性和高速度性,从而决定了其本质和真谛就是实现个性化自主学习.

个性化网络社区用户信息自动搜索方法仿真

针对传统的个性化网络社区用户信息自动搜索方法存在信息丢失率和虚警率较高、搜索效率较低等问题,提出一种基于特征映射的个性化网络社区用户信息自动搜索方法。利用神经网络训练法对社区用户信息进行特征提取,利用Kohonen网络构建神经网络模型,并结合有效的分类数据模型构建自组织特征映射算法进行社区用户信息特征提取。在上述基础上,对社区用户信息进行归一化处理,为社会用户信息搜索模型的建立提供相关的数据支持,构建个性化网络社区用户信息自动搜索模型,在传统支持向量的基础上,引入双球隶属度函数对搜索模型进行求解,得到个性化网络社区用户信息自动搜索的最优解,实现个性化网络社区用户信息自动搜索。实验结果表明,所提方法能够有效降低用户信息丢失率以及虚警率,降低搜索时间,提高搜索效率。

网络道德与去个性化网络行为的关系:共情与道德推脱的平行中介作用

采用网络道德量表、道德推脱问卷、去个性化网络行为问卷和中文版人际反应指针量表对320名大学生进行线上施测,探讨网络道德与去个性化行为的关系,以及道德推脱和共情在其中的作用机制。结果表明:(1)网络道德与去个性化网络行为、道德推脱以及共情显著相关(r=-0.17,p<0.01;r=-0.13,p<0.05;r=0.23,p<0.01);(2)去个性化网络行为与道德推脱、共情显著相关(r=0.49,p<0.01;r=-0.24,p<0.01)(3)道德推脱和共情在网络道德与去个性化网络行为之间起平行中介作用,中介效应分别为-0.036和-0.024。