融合网络和文本特征的智能课程推荐方法

针对在线教育平台上资源过载和传统推荐方法输入特征单一的问题,提出基于网络拓扑和文本数据的特征融合方法,使用深度学习的表示学习方法来进行智能课程推荐。对于课程设计策略构建网络拓扑结构,并使用Node2vec向量化方法将网络中的节点映射到低维向量空间;之后使用卷积神经网络抽取特征并融合经Doc2vec表示的文本数据,拟合用户数据与目标课程之间的相似度。在进行推荐时,选择两者相似度最高的Top N课程。实验结果表明,该方法的性能远远超过传统的推荐方法,同时,消除实验表明该文使用特征对于最终的推荐效果都有一定的积极作用。

通用智能化网络教学平台的研究与设计

网络教学平台是网络教学的技术基础,如何有效地管理和使用资源、为使用者提供更加个性化的服务,成为网络教学平台关注的焦点。本文研究并设计了一种通用智能化网络教学平台,该平台采用分层的系统架构,通用的功能模块,利用数据挖掘知识将智能课程推荐与平台无缝融合,并采用了基于RSS的Web 2.0技术,有效提高了网络教学质量和教学效率。