单瑞婷, 罗益承, 孙 翼

1(北京邮电大学 国际学院,北京 100876)

2(北京邮电大学 信息与通信工程学院,北京 100876)

3(中国科学院大学 计算机与控制学院,北京 100049)

随着电子商务和大数据的快速发展,为了能为不同用户提供其真正感兴趣和需要的个性化服务,推荐系统在这样的背景下被提出来,不需要用户额外提供信息,只需利用用户的历史行为,便能挖掘出海量数据背后有用的信息. 其中,协同过滤算法是应用最广泛的一种推荐技术,根据用户的历史行为数据,来对每个人的近邻用户进行推荐,不需要考虑项目的具体内容,也不需考虑项目涉及的领域知识,且随着用户时间的推移,用户的历史行为数据增多,可不断修正算法的准确率和性能.

在个性化教育系统中,推荐系统已逐渐受到越来越多教育者的关注,如何在有限时间内从大量试题资源中给不同学习者推荐真正需要的试题,是一个急需解决的关键问题. 推荐系统在电子商务领域已十分成熟[1],但是电子商务领域的关键技术无法直接移植于个性化教育系统,应该在电子商务领域的域的基础上考虑教育领域的独特性,并根据相似学习者的历史行为数据,进行个性化的试题推荐. 另外,针对协同过滤算法忽略学习者的知识点掌握情况(学习状态)的问题,本论文改进了个性化教育系统中已有的试题推荐算法,引入了认知诊断模型(Cognitive Diagnosis Model,CDM)的概念.

CDM广泛用于教学评估、心理鉴定等科学、教育……