基于深度学习的在线教育领域推荐技术研究

Online education is a major innovation achieved by the Internet+ in the field of education. With the booming of online education, online learning resources are rapidly expanding, and recommender systems in this field are put on the agenda. This project aims at the problem of rapid iteration of online learning resources and the continuous evolution of learner learning needs in the field of online education. It introduces the theory and methods of deep learning and studies recommendation methods and technologies applicable to online education, including user interest model with evolutionary capabilities, time-sensitive feature model of learning resource, and deep-learning based recommendation method for online learning. Studying of this project not only provides effective and feasible recommendation solutions for online education, but also provides a verification scenario for the application of deep-learning based recommendation algorithms in online education, which is of great significance for enriching the theoretical study of deep-learning based recommendations.

在线教育是互联网+在教育领域取得的重大创新成果。随着在线教育的蓬勃兴起，在线学习资源急速膨胀，对推荐技术在该领域的应用研究提出迫切要求。本项目针对在线教育领域中，在线学习资源快速迭代、学习者学习需求持续演化的问题，引入深度学习的理论和方法，研究适用于在线教育领域的推荐方法和技术，包括研究具有演化能力的用户兴趣模型建模方法、时间敏感的学习资源特征建模方法，以及基于深度学习的在线教育领域推荐方法。本项目研究不仅为在线教育领域推荐提供有效可行的解决方案，而且为基于深度学习的推荐算法在在线教育领域的应用提供验证场景，对于丰富深度学习推荐的理论研究具有重要意义。

在线教育是互联网+在教育领域的重大创新应用。随着在线教育的蓬勃兴起，在线学习资源急速膨胀，如何个性化地精准推送用户需要的学习资源成为在线教育行业发展的重要内容。本项目针对在线教育领域中在线学习资源快速迭代、学习者学习需求持续演化等问题，引入深度学习的理论和方法，提出一套基于深度学习的在线教育领域适用的推荐方法和技术，为在线教育用户推荐满足其学习需求与学习偏好、符合其学习能力和学习基础的个性化的在线学习资源，提高用户学习效率、提升用户学习体验。具体研究成果包括：1）提出一种具有演化能力的用户兴趣模型建模方法，实现对用户兴趣的动态表达，解决用户在学习过程中学习兴趣需求持续演化的问题，为基于深度学习的推荐算法提供有效的模型参数；2）提出一种时间敏感的学习资源特征建模方法，将时间特性融入资源特征模型，使优质新资源得到有效推荐；3）提出一种基于异构信息网的在线学习资源深度推荐算法，采用深度学习网络对用户兴趣模型与资源特征进行统一编码和训练，同时借助异构信息网的辅助信息增强推荐模型的特征表达能力及特征关系拟合能力，提高模型推荐性能。本项目研究不仅为在线教育领域推荐提供有效可行的解决方案，而且为基于深度学习的推荐算法在在线教育领域的应用提供验证场景，对于丰富深度学习推荐的理论研究具有积极意义。