基于深度自编码器和二次协同过滤的个性化试题推荐方法
个性化试题推荐是实现高效学习的有效途径,帮助学生从"题海战术"中解脱出来,对实现适应性教学、促进教育公平具有重要意义.但目前个性化试题推荐方法大多是基于协同过滤进行试题层面的个性化推荐,没有聚焦到知识点层面,存在推荐试题定位不准确的问题.针对上述问题,对基于深度自编码器和二次协同过滤的个性化试题推荐方法进行了研究.首先考虑到学生对知识点的认知情况进行基于知识点的二次协同过滤试题推荐,然后应用项目反应理论和深度自编码器来预测学生在推荐试题上涉及推荐知识点的得分以及综合得分,最后对预测结果协同判断并控制最终个性化推荐试题的难度,产生最终的推荐试题列表.通过对比实验验证提出的推荐方法的推荐结果相对于传统试题推荐更具个性化和准确性.
个性化学习、试题推荐、协同过滤、深度学习、自编码器
46
TP301(计算技术、计算机技术)
自然科学基金61862050;2018年宁夏回族自治区重点研发项目2018BBF02006
2019-12-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
172-177