基于Web数据挖掘的个性化e-learning解决方案推荐系统研究.pdfVIP

现代远距离教育 2011年第4期 总第 136期 基于Web数据挖掘的个性化 e—learning 解决方案推荐系统研究 赵 蔚 ，余延冬 ，张赛男 (1．东北师范大学 吉林 长春 130117；2．聚光科技 (杭州)股份有限公司 浙江 杭州 31000； 3．吉林财经大学 吉林 长春 130000) 【摘 要】本文对国内外e—learning个性化推荐系统的现状进行了分析，建立了一种综合性的个性化e— learning解决方案推荐系统，解决了目前e—leraning解决方案推荐系统中学习者兼容性、资源充足性、智能挖掘性、 推荐整合性这四大挑战。并主要从技术上对个性化 e—learning解决方案推荐 系统进行构建，重点对Web数据挖 掘算法设计、挖掘引擎设计、系统功能模型、数据库设计、推荐界面进行探讨。 【关键词】终身学习；Web数据挖掘；个性化推荐 【中图分类号】G434 【文献标识码】c 【文章编号】1001—8700(2011)04—0060—04 随着信息时代与学习型社会的来临，个性化学习体系、 数据准备是对数据进行集成、选择和预处理，以获得准确有 终身学习体系受到了广泛的关注，因此面向终身学习的e— 效的挖掘数据；数据开采是搜索有用的数据模式的过程，是 learning平台的研究得到了国内外的普遍重视。e—learning 数据挖掘的主要过程；结果表达和解释是对提取的信息进行 个性化推荐系统作为个性化推荐系统 (PRS)和 e—learning 分析 ，通过决策分析工具提交给决策者的过程…。Web数据 平台的整合，其主要的思想是按照用户个性化需求 ，将 Web 挖掘技术是个性化推荐系统得以实现的最重要的技术支撑， 网络上获取的相关信息主动地推送给用户。虽然，国内外学 本文主要从技术角度对我们构建的个性化 e—learning解决 者对相关的领域都进行了广泛的探究。然而，对 e—learning 方案推荐系统中Web数据挖掘算法设计 、挖掘引擎设计、系 PRS的研究尚处于初级阶段，从推荐形式而言，主要有学习 统功能模型、数据库设计、推荐界面进行探讨。 活动推荐、学习对象推荐 、学习路径(导航)推荐等，现在大多 一 、 基于关联规则的个性化 e—learning解决方案推荐 数的研究都往往侧重于研究某一个方面的推荐。但是在数 的挖掘过程 字化终身学习服务体系中，高质量的学习服务要求我们必须 考虑到学习是一个连续的过程，学习支持服务也是一种全方 Web数据挖掘技术是个性化推荐系统得以实现的最重 位的服务。 要的技术支撑 ，在PELSRS系统中，我们采用Web数据挖掘 因此，我们构建了一套综合性的个性化e—learning解决 中的Web使用挖掘和关联规则，结合个性化 e—learning解 方案推荐系统 (PELSRS)，以解决学习者兼容性、资源充足 决方案的推荐需求 ，构建出了个性化e—learning解决方案的 性 、智能挖掘性和推荐整合性这四大挑战。该系统 由三部分 关联规则挖掘过程。 组成 ，即学习目标、网络学习活动序列和网络学习环境支持。 1．数据准备过程 其中学习 目标在该方案中起到导向作用 ；网络学习活动序列 数据准备过程根据学习者对 e—learning解决方案的学 是一组经过排序的网络学习活动；网络学习环境支持是学习 习记录，统计每个学习者学习过的e—learning解决方案，在 者完成学习的必要条件。 这个过程中，关键的问题是：如何界定一个 e—learning解决 PELSRS定位于开放式的面向全民终身学习的一种个性 方案是被学习