宋清林，谢 飞

(1.安徽警官职业学院 信息管理系，安徽 合肥 230031；2.合肥师范学院 计算机学院，安徽 合肥230601)

随着信息技术和互联网的发展，产生了海量的教育资源数据，导致学习者负担过重、学习迷航等问题。如何在海量教育资源中挖掘出有用的知识，用以实施精准、个性化教学，成为现代教育亟待解决的问题。教学资源个性化推荐是根据学习者的历史学习记录，为学习者推荐合适、感兴趣的教学资源，满足个性化、精准教学需求，有效地缓解上述问题。教学资源个性化推荐已成为教育数据挖掘、人工智能等领域重要的研究话题，受到越来越多研究者的关注[1-2]。

传统的推荐算法在进行教学资源推荐时，由于不能反映学生对知识点的掌握情况，导致推荐的资源难度过低或者过高。研究尝试利用教育数据挖掘中的认知诊断模型对学生的学习能力进行建模，从而实现教学资源的精准化推荐。

本文系统介绍目前主流的推荐算法，详细分析推荐算法和认知诊断模型在教育资源推荐中应用的发展趋势，重点介绍DINA模型原理、参数估计方法和基于联合矩阵分解的教学资源推荐算法。

1 相关工作

1.1 推荐算法

目前推荐算法主要分为三类：基于内容的推荐、协同过滤推荐和混合推荐算法。基于内容的推荐算法主要基于物品相关内容、用户相关特征以及用户对物品的操作三方面信息进行推荐，一般仅依赖于用户自身的行为，不涉及其他用户。用户……