论文部分内容阅读
在线学习资源超载问题使得在线学习用户无法及时获取自己感兴趣或对自己有价值的学习资源，造成在线学习过程中断或学习效率低下等现象。用户画像技术作为当前大数据背景下个性化推荐的一种工具，为在线学习个性化推荐服务提供一种新方法。本研究通过在线学习平台收集学习用户基本信息及学习活动轨迹相关数据，依据在线学习用户静态信息和动态信息两类数据构建用户画像，并同时采用时间窗口对画像进行动态更新，满足用户需求的多样性和动态性。为解决推荐算法中的数据稀疏性和冷启动性问题，采用一种混合式协同过滤算法实现个性化学习资源的精准推送，最后实现在线学习的个性化教育。