基于深度学习的跨媒体教育大数据个性化精准推荐与搜索研究

With the application of large-scale information technology in the field of education and the advent of education big data era, realizing the personalized and precise recommendation and search has great theoretical significance and application value to promote the development of smart education, by combining the big data-driven artificial intelligence technology to analyze, process and mine the cross-media education big data. On the basis of previous scientific research, this project will establish a distributed active acquisition model for cross-media big data in education and realize the robustness and salient features learning and extraction of behaviors and emotions in teaching videos; the project will propose the method of construction and automatic expansion of the knowledge graph in the field of education and realize the deep semantic correlation learning of the massive, multi-sourced and heterogeneous cross-media education big data; the project will establish dynamic user interest model based on behavioral and emotional recognition in teaching videos, and implement personalized and precise recommendation and search of cross-media education big data based on user dynamic interest model and knowledge graph; the project will implement a personalized and precise recommendation and search system of cross-media education big data based on deep learning. It will strive to achieve a breakthrough in personalized and precise recommendation and search of the cross-media education big data based on deep learning.

随着大规模信息技术在教育领域的应用以及教育大数据时代的到来，采用大数据驱动的人工智能技术对跨媒体教育大数据进行分析、处理和挖掘，实现个性化精准推荐与搜索，对推动智慧教育的发展具有重要的理论意义与应用价值。本项目在以往科学研究基础上，建立教育领域跨媒体大数据的分布式主动获取模型，实现教学视频中行为和情感的鲁棒性和显著性特征学习和提取；提出教育领域知识图谱的构建和自动扩展方法，实现海量庞杂、多源、异构跨媒体教育大数据的深度语义相关性学习；建立基于教学视频中行为和情感识别的用户动态兴趣模型，实现基于用户动态兴趣模型和知识图谱的跨媒体教育大数据个性化精准推荐和搜索；实现基于深度学习的跨媒体教育大数据个性化精准推荐与搜索系统，力争在基于深度学习的跨媒体教育大数据个性化精准推荐与搜索领域取得突破性进展。

本项目从模型建立、算法设计、关键技术和系统实现等方面对基于深度学习的跨媒体教育大数据个性化精准推荐与搜索关键理论与技术进行了深入研究。建立了教育领域跨媒体大数据的分布式主动获取模型，实现了教学视频中行为和情感的鲁棒性和显著性特征学习和提取。提出了教育领域知识图谱的构建和自动扩展方法，实现了海量庞杂、多源、异构跨媒体教育大数据的深度语义相关性学习。建立了基于教学视频中行为和情感识别的用户动态兴趣模型，实现了基于用户动态兴趣模型和知识图谱的跨媒体教育大数据个性化精准推荐和搜索。构建了基于深度学习的跨媒体教育大数据个性化精准推荐与搜索系统。在基于深度学习的跨媒体教育大数据个性化精准推荐与搜索领域取得了突破性进展，取得了一系列具有创新性和自主知识产权的研究成果。在IJCAI, TKDE，ACM MM, TNNLS, ACM TIST, WWW, Neurocomputing, Information Sciences, IEEE Signal Processing Letters, International Journal of Intelligent Systems, 计算机学报等国际期刊和本领域重要国际会议及国内期刊上发表论文35篇，其中发表SCI期刊论文13篇，发表EI期刊和EI会议论文15篇，发表IEEE汇刊文章2篇，CCF A类论文8篇，CCF B类论文6篇, 一区论文6篇，二区论文5篇，发表中文核心期刊论文7篇。出版学术专著1部。申请和授权发明专利15项，其中已授权9项。登记软件著作权13项。 获2022中国多媒体大会最佳学生论文奖、2021年IEEE CCIS国际会议最佳论文奖、2019年中国智能自动化会议最佳论文奖等。项目成果在北京微梦创科网络技术有限公司、科大讯飞股份有限公司等得到了成功应用。