关于概念化和电子学习中学习路径推荐系统的概述

Jun, 2024

关于概念化和电子学习中学习路径推荐系统的概述

On conceptualisation and an overview of learning path recommender systems in e-learning

A. Fuster-López, J.M. Cruz, P. Guerrero-García, E.M.T. Hendrix, A. Košir...

TL;DR通过调查研究项目的方式，我们提出了一个学习路径的概念，并在这一背景下嵌入了五种不同的推荐系统，以促进学生的学习和理解。

Abstract

The use of e-learning systems has a long tradition, where students can study online helped by a system. In this context, the use of recommender systems is relatively new. In our research project, we investigated

e-learning systems recommender systems learning path learning indicators recommendation

发现论文，激发创造

推荐系统简介

本文综述了个性化推荐及推荐系统的经典算法，评估方式，以及最近研究的方向：基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。

Feb, 2023

面向终身学习者的综合教育推荐系统

本研究旨在通过 Integrative approach 构建一个新颖的 TrueLearn 教育推荐系统，该系统由多种学习参考驱动，可以同时考虑学习者的知识和内容的新颖性，并保持长期时间的准确学习者代表性。

Dec, 2019

基于深度学习的推荐系统：综述与新视角

本文综述了基于深度学习的推荐系统的最新研究进展，提出和总结了深度学习推荐模型的分类法和现有技术的综述，同时扩展了当前趋势并提供了对这一新兴领域的新见解。

Jul, 2017

推荐系统技术及电子商务领域综述

本研究回顾了推荐系统在电子商务、电子旅游、电子资源、电子政务、电子学习和电子图书馆等领域的不同技术和发展，并通过分析最近的研究，提供了当前发展的详细概述，识别了推荐系统中的现有困难，为实践者和研究人员提供了必要的指导和见解。

Aug, 2022

推荐系统在实践中的应用：面向归纳学习和增量更新

本研究论文对推荐系统进行了综述，并指出现有方法的局限性，即很多方法只针对已有数据进行学习，难以应用于新用户或物品，同时也难以动态更新。因此，未来应该发展基于归纳学习和增量更新的推荐模型，并提出了未来研究的方向和待解决的问题。

Nov, 2022

TrueLearn: 一族贝叶斯算法，以匹配终身学习者与开放教育资源

本文提出了一种动态、可扩展、透明的教育推荐系统，基于 Wikipedia 的文本本体自动提取教育资源的知识组件及启发于项目反应理论和知识追踪的一组在线贝叶斯策略。我们的提案 TrueLearn 专注于向具有足够背景知识并能够理解和学习材料的学习者推荐具备足够新颖性的材料，以帮助学习者提高对主题的知识并保持他们的主动性。我们还构建了一个大型的开放式教育视频讲座数据集，并测试了所提算法的性能，结果显示出建立有效的教育推荐系统的明显前景。

Nov, 2019

基于机器学习的电子商务产品智能分类与个性化推荐

个性化推荐系统在电子商务领域的应用及挑战，以及利用 BERT 模型和最近邻算法设计的 eBay 电子商务平台的个性化推荐系统的高效性和可行性。

Mar, 2024

使用机器学习进行餐厅推荐的研究

本文主要介绍了基于机器学习的推荐系统，分析了在推荐系统中机器学习所应用的技术和思想，让更多人了解大数据与机器学习的含义和对我们日常生活的深远影响。

Aug, 2022

寻找可解释的 MOOC 推荐路径：学习者角度

一个使用图形推理的可解释推荐系统应用于在线学习领域的研究。

Dec, 2023

课程推荐系统需要考虑就业市场

开发了一个课程推荐系统，该系统能够结合就业市场的技能需求，并且突出显示了解释性、无监督技能提取和强化学习等特点。

Apr, 2024