研究E-Learning中协作式学习及个性化预测模型,通过多Agent机制实现E-Learning环境中学习者之间有效的协作式学习,并融合Collaborative Filtering和Web Usage Mining等挖掘技术,提供高效多样的个性化服务,为学习者创造优质教学环境,提高教学质量。本研究将着重探讨大数据量的社区自动生成和动态调整问题,多属性用户的描述模型建立和管理,以及多属性用户情况
{{i.achievement_title}}
数据更新时间:2023-05-31
MSGD: A Novel Matrix Factorization Approach for Large-Scale Collaborative Filtering Recommender Systems on GPUs
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
F_q上一类周期为2p~2的四元广义分圆序列的线性复杂度
服务经济时代新动能将由技术和服务共同驱动
基于协同表示的图嵌入鉴别分析在人脸识别中的应用
基于有向超图的大型个性化e-learning学习过程模型的自动生成与优化
智能车个性化学习方法与行为决策模型研究
智能学习环境中的学习风格动态预测模型及其应用研究
个性化互动式虚拟协同学习环境的研究