编辑推荐
从理论和实证研究相结合的角度对学习资源适配技术进行了系统性的研究。
内容简介
本书针对学习者在选择合适的学习资源时所面临的问题，利用深度学习技术分别对学习者模型、学习者的反馈信息、学习者的社交关系和学习资源的知识图谱等方面的内容进行建模研究。
本书采用定量与定性的研究方式评估了所提出的学习资源适配模型，并实现和开发了学习资源适配服务平台。
本书图文并茂，既有详细的模型算法图，又有严谨的公式推导和实验验证，所构建的模型能够有效地提高学习资源适配的准确率，使学习者在进行在线学习的过程中获得更加个性化的学习体验，以提高学习者的学习效率，具有一定的理论研究价值和较高的应用可行性。
作者简介
编著者刘海，在课堂学习行为分析、学习资源适配、机器学习、数据挖掘、智能信息处理、计算机视觉等方面具有良好的研究基础。近些年来，在国家重点研发计划、湖北省自然科学基金、"香江学者”人才计划等项目的支持下，对上述领域进行了系统而广泛的研究，在理论研究和应用扩展方面取得了大量的成果，积累了宝贵的经验，能熟练掌握相关领域核心算法的设计与实现方法，已在国内外知名期刊和学术会议上发表了学术论文100余篇
章节目录
版权信息
内容简介
前言
第1部分 绪论
第1章 研究背景与意义
1.1 相关政策
1.2 国内外研究现状
1.3 学习资源适配的挑战
1.4 学习系统中的学习资源适配
1.5 本书内容与结构安排
参考文献
第2章 相关理论基础
2.1 概念界定
2.2 学习资源适配的数学基础
2.3 学习资源适配中的教育学理论
2.4 学习资源适配评价标准
参考文献
第2部分 关键技术
第3章 认知诊断模型
3.1 基础知识
3.2 引入流行模型的知识追踪模型
3.3 融入学习过程因素的知识追踪模型
3.4 研究趋势和展望
参考文献
第4章 基于评分记录的学习资源适配
4.1 基础知识
4.2 基于CNN的内容推荐模型
4.3 基于隐含反馈嵌入的深度矩阵分解推荐模型
4.4 研究趋势
参考文献
第5章 基于评论信息的个性化学习资源适配
5.1 基础知识
5.2 基于评论表示学习和历史评分行为的置信度感知推荐模型
5.3 基于评论特征表示学习的高效深度矩阵分解模型
5.4 研究趋势
参考文献
第6章 融入社交关系感知网络的学习资源适配
6.1 基础知识
6.2 基于学习者多视角的社交推荐模型
6.3 融合图卷积的复杂社交关系推荐模型
6.4 研究趋势
参考文献
第7章 知识图谱与学习资源适配
7.1 基于多尺度动态卷积的知识图谱嵌入模型
7.2 基于异质图神经网络的少样本知识图谱推理模型
7.3 基于异质图神经网络的知识图谱交互学习推理模型
7.4 基于知识图谱的学习资源适配模型
7.5 研究趋势
参考文献
第3部分 应用与展望
第8章 学习资源适配系统的开发与实现
8.1 国家教育资源公共服务平台
8.2 教育云平台介绍
8.3 平台应用
第9章 总结、展望与应用
9.1 总结
9.2 展望
9.3 应用
后记
机器学习与学习资源适配是2023年由电子工业出版社出版,作者刘海 编著。
得书感谢您对《机器学习与学习资源适配》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
