在线教育平台中个性化学习资源推荐系统设计

李乡儒，梁惠雯，冯隽怡，肖江平，彭婉芬

(1.华南师范大学 计算机科学学院，广东 广州 510631；2.华南师范大学 数学科学学院，广东 广州 510631；3.广州犀灵信息科技有限责任公司，广东 广州 511458)

0 引 言

随着大数据、云计算、移动互联等科学技术的不断发展和人们对教育需求的提升，以在线教育平台为主的“互联网+教育”模式得到了广泛的推广和普及。截止2019年6月，国内在线教育用户规模达2.32亿并呈快速持续扩张的趋势。目前，大多数的在线教育平台以整合优质网络课程和其他学习资源为用户提供服务。然而，面对海量的学习资源，用户很难快速地寻找到适合自己的学习资料，甚至可能出现“认知负荷”、“信息迷航”等问题。因此，能够根据用户的学习过程智能化分析其学习行为规律及认知特点、并提供个性化的学习资源推荐是当前在线教育平台的一个迫切需求。

大多数在线教育平台的个性化推荐都是围绕着用户的特征信息进行分析和建模。例如，通过用户的学习风格、学习兴趣等个性化特征信息构建推荐模型[1-2]。然而，这种推荐的结果往往比较粗糙，很难令人满意，一般适合于一些简单推荐。近些年，有研究开始尝试利用用户的行为特征信息去分析用户之间的相似度。例如，桂忠艳等通过计算用户的学习行为序列相似度，采用基于用户的协同过滤推荐建模[3-4]。然而，这些研究更多的是聚焦在用户的特征信息，忽视了对学习资源的挖掘分析。

该文设计了一个基于学习风格、资源偏好和行为序列的个性化学习资源混合推荐系统，在充分利用用户行为特征信息的前提下，结合学习风格和资源偏好，为用户生成个性化画像，进一步为用户提供学习反馈和个性化的学习资料推荐服务。……