基于个性化推荐的移动学习模式探究——以高职学生为例

移动学习是高等教育以及高等职业教育的一种新的学习模式,而网络学习资源数量众多的资源过载问题,使得学习者获取有效资源的难度加大。文章根据高职学生的学习特征,建立学生与学习资源之间的二元关系,利用移动上下文推荐、学习进度预测的算法,构建个性化推荐的移动学习模型,使学习者的专业知识易于扩展和迁移,实现个性化学习。在推荐算法修正和推荐结果的反馈数据优化两个方面提出了模型优化的方向。

基于频繁标引格的移动内容推荐方法研究

针对目前移动内容服务系统缺乏自动构建情境服务规则机制的问题，在情境化用户偏好本体模型的基础上，提出量化频繁标引格结构以建立用户内容偏好与情境之间的语义关联，为规则冲突问题和上下文数据可用性问题提供了解决方案。频繁标引格相对于频繁格进一步减少了产生规则所需的结点数目，更便于不同规则的提取和相关参数的计算。设计了频繁标引格分层构建的算法和推荐规则提取的优先级机制，通过实验验证了算法的有效性，并与相关方法进行了比较分析。