基于二进制微分进化算法的学习资源推荐方法
Learning Resource Recommendation Method Based on Binary Differential Evolution Algorithm
投稿时间:2017-10-10  修订日期:2017-10-10
DOI:
中文关键词: 微分进化算法  学习资源  推荐服务  十字链表
英文关键词: differential evolution algorithm  learning resource  recommendation service  cross-linked list
基金项目:上海市属高校应用型本科试点专业建设项目(NO:10-16-309-001);“柔版印刷绿色制版与标准化”新闻出版广电总局重点实验室2017年度招标课题(ZBKT201710)
作者单位E-mail
王文举 上海理工大学 出版印刷与艺术设计学院 wangwenju666@163.com 
窦曙光 上海理工大学 出版印刷与艺术设计学院  
王鸾熠 上海理工大学 出版印刷与艺术设计学院  
摘要点击次数: 106
全文下载次数: 
中文摘要:
      为解决当前方法学习资源推荐精度低、时效性不高,无法适应学习者动态调整学习目标的问题,提出了一种二进制的微分进化算法并以此为基础进行学习资源推荐的方法。对学习者与学习资源进行数学建模, 依据推荐资源都要最佳匹配学习者需求的约束条件,将学习资源推荐转化成了最优化求解问题;根据课程知识点的逻辑组织结构图与学习资源的十字链表存储结构图,快速判定目标函数的关键参数值;采用本文所提出的一种二进制微分进化算法用于二进制数据表征的学习资源个体变量的变异、交叉、选择操作进行迭代运算直至满足条件找到学习资源最佳的选取组合。实验结果表明:本文所提出的学习资源推荐方法收敛速度优于以微粒群为基础的学习资源推荐方法,可方便学习者对学习目标范围动态灵活选取,所推荐的学习资源可完全满足不同学习者对学习资源难易度差异化的需求。
英文摘要:
      In order to solve the problem of low accuracy and low effectiveness of current methods which also can’t adapt to learners" dynamic adjustment of learning goals, a binary differential evolution algorithm is proposed as a basis for learning resource recommendation. The learners and learning resources are mathematically modeled.
View Fulltext   查看/发表评论  下载PDF阅读器
关闭