十五，基于教育資料挖掘的個性化習題推薦算法研究

十五，基于教育資料挖掘的個性化習題推薦算法研究

• 論文名稱：基于教育資料挖掘的個性化習題推薦算法研究_黃文增.

• 研究對象

  提出一種綜合考慮習題難度和知識點覆寫的習題推薦算法NPERA（New Personalized Exercise Recommendation Algorithm）。

• 研究動機
  • 對傳統的習題推薦進行改進，準确反映學生認知水準狀态，合理進行習題推薦。
• 文獻綜述
  • 對國内外教育資料挖掘領域的相關研究進行介紹。
  • 闡述論文涉及到的領域理論知識和技術方法，并在這些研究之上進行拓展，比較常見推薦算法優勢和不足。
  • 在現有個性化習題推薦基礎上提出要研究的新型的個性化習題推薦算法建構思路（算法原理）。
  • 實作具體的算法架構
  • 對比實驗驗證
• 研究方案設計
  • 認知水準模組化，并對模型參數利用最大似然估計方法進行求解。
  • 分知識點認知水準模組化，EM算法進行參數求解。
  • 分知識點認知水準連續化處理
  • 待推薦習題正确率預測方法
  • 習題推薦清單生成方法
  • 實驗驗證（實驗環境，資料集選擇，資料集介紹，調參實驗結果分析（習題預準确率，習題推薦難度，習題推薦效率））

• 使用資料集

  三個公開資料集，一個私有資料集。

• 研究結論

  提出的新型習題推薦算法在實驗驗證習題預準确率，難度相符度，推薦效率都有所提高。

• 學習心得

  研讀之後對基礎的傳統的推薦算法有了學習了解，加強認知診斷模型學習。