本书为国家社会科学基金项目成果,针对个性化学习资源推荐面临的主要问题,围绕数据挖掘优化方法、学习者建模、个性化学习资源推荐等方面的内容展开研究。本书采用定性与定量研究、理论与实证研究相结合的研究方式,融合多个学科的技术成果,在研究方法和手段上有所创新。本书既包括翔实的理论阐述,又有系列的公式演示,严谨可信,具有一定的理论研究价值;并且提出的一些新型模型和理论框架具有较高的应用价值。
样章试读
目录
- 目录
前言
第1章绪论1
1.1数据挖掘基本理论1
1.2数据挖掘研究进展8
1.3推荐系统基本理论14
1.4研究思路20
第2章特征提取方法22
2.1背景知识22
2.2流形判别分析24
2.3融合数据分布特征的多视角分析方法31
2.4基于图的人脸特征提取方法36
2.5基于Fisher准则的半监督特征提取方法41
2.6融合全局和局部特征的特征提取方法46
第3章智能分类方法52
3.1背景知识52
3.2融合数据分布特征的保序分类方法56
3.3模糊双超球分类方法64
3.4基于边界的最大间隔模糊分类器69
3.5具有N-S磁极效应的最大间隔模糊分类方法77
3.6面向大规模数据的非线性集成分类方法86
第4章学习者兴趣建模方法92
4.1学习者模型与学习者建模93
4.2学习者兴趣建模研究进展94
4.3学习者建模面临的挑战99
4.4基于本体的学习者建模103
4.5基于主题模型的学习者建模108
4.6基于社交网络的学习者建模112
第5章学习资源推荐方法116
5.1学习资源推荐方法研究进展116
5.2基于兴趣图谱的学习资源推荐方法125
5.3基于二部图的学习资源混合推荐方法132
5.4基于本体的学习资源推荐方法139
第6章大数据环境下的学习资源推荐方法149
6.1大数据与推荐系统149
6.2大数据环境下推荐系统的研究进展157
6.3大数据环境下推荐系统的典型应用166
6.4大数据环境下的学习资源推荐系统170
6.5挑战与展望173
参考文献174