基于多维关联本体的学习资源推荐方法

李浩君，吴嘉铭，戴海容

(1.浙江工业大学 教育科学与技术学院，浙江 杭州 310023；2.浙江金融职业学院，浙江 杭州 310018)

随着移动通信技术的发展和我国“互联网+”教育应用的实施，互联网中学习资源数量激增，各式各样的学习平台也相继推出，海量的学习资源散布在各学习平台中，学习者需要访问多个学习平台才可能寻找到适合自己的学习资源。由于学习资源种类繁多以及来源广泛，学习者很难从海量信息中寻找到自己所需知识[1-2]。目前，大多数学习资源推荐方法难以解析异构数据，不能细粒度地描述情境特征、学习者特征以及资源特征，隐性知识因缺乏对特征间关系描述而难以挖掘，因而提供的学习资源与学习者需求匹配度较低，容易导致学习者产生知识迷航困扰。如何有效利用多源异构数据设计一套高效、精准的学习资源推荐方法已成为目前国内外研究热点。

为解决上述问题，首先，借助语义网本体技术构建多维关联本体模型(Multidimensional correlation ontology model, MCOM)，该模型不仅能将分散的学习资源和移动终端获得的多源异构数据组织起来，而且充分利用语义关系解析学习者—情境—学习资源三元关系，实现细粒度的多维关联本体模型；其次，设计动态自均衡的二进制粒子群优化算法(Dynamic self-equilibrium binary particle swarm optimization, DSEBPSO)提高寻优计算的能力，通过动态策略更好地控制开发和探索过程，使这两个过程能动态自均衡，防止过早陷入局部最优，提高算法寻找最优资源的效率；最后，提出基于多维关……