用户需求网络信息的优先协同过滤推荐仿真

针对传统用户需求网络信息的优先协同过滤推荐方法存在推荐准确度较低、推荐范围小等问题,提出基于相似性度量的用户需求网络信息优先协同过滤推荐方法。根据目标网络用户对网络信息需求的感兴趣程度对用户进行分组,引用贝叶斯算法计算用户具有不同特征时对网络信息需求的喜好程度。在项目近似度公式中引入用户对项目的喜好程度概率值计算项目间的相似度,得到最高相似度邻居项目的评分。再利用云模型计算用户的相似度得到邻近用户,得到最终的预测评分,将预测评分值较高的前几个项目优先推荐给用户,完成推荐。仿真结果表明,相比传统的协同过滤推荐方法,所提方法可在一定程度上提高推荐准确度和推荐覆盖率,能够更准确的为用户提供所需要的网络信息。

基于用户协同过滤算法的E-Learning平台个性化推荐研究

在线学习(E-Learning)是一种深受欢迎的学习方式,但由于其资源众多,用户选择学习资源时无从下手,消耗掉较多的寻找时间。因此,根据用户的需要向其精准推荐课程是十分有必要的。通过挖掘E-Learning平台的用户数据特点,实现基于用户协同过滤的个性化课程推荐,实验结果显示,可以较好地帮助用户快速发现有价值的学习资源,减少选择资源的时间,有利于提高用户的学习效率,也可帮助用户快速良好地建立自身的知识体系。

E-learning教学平台的内容建设研究——以数据库课程群为例

在线学习(E-learning)以其高效、互动、协作等优势,在近几年得到广泛的应用。这种网络教学模式在广泛推广的同时,也产生了一些问题,如视频的质量参差不齐等。文章分析了当前所授课的数据库课程的问题,提出了递进式的数据库课程群设计构想,拟通过E-learning平台完成课程群的内容建构,进一步通过互动信息和线下教学不断优化和完善课程群内容设计。围绕数据库课程主线设计,步步衍生出相关的课程及教学方向,为以后E-learning平台的个性化推荐做好内容铺垫。

成人高等学历教育网络课程的评价研究

随着成人高等学历教育网络教学相关支撑平台的广泛应用,网络课程的建设工作已成为应用阶段的主要任务,然而当前的网络课程建设的评价维度单一,评价指标过于泛化。为保证网络教学的质量,如何设计符合成人高等学历教育特点的网络课程评价体系需进行深入研究。

高等学校教务管理信息系统设计

一套高效、全面、可靠的教务管理系统可以提高高校的工作效率和服务水平,并助力高校的信息化建设。但目前部分高校设计的教务管理系统仍存在应变突发能力弱、缺少便捷性、与实际高校业务需求不相匹配等问题。针对这些有待优化解决的问题,该文以学生端、管理员端、教师端三个模块为切入点,对高校教务管理系统的系统总体功能结构、系统功能模块、系统数据库进行了详尽的设计。该教务管理系统具有强兼容性、稳定性、安全性、可扩展性、易学易用性、准确性六大优点。