第一部分 緒論 7
第1章 研究背景與意義 8
1.1 相關(guān)政策 8
1.2 國內(nèi)外研究現(xiàn)狀 10
1.3 學(xué)習(xí)資源適配挑戰(zhàn) 13
1.4 學(xué)習(xí)系統(tǒng)中的資源適配 15
1.5 內(nèi)容與結(jié)構(gòu)安排 19
第2章 相關(guān)理論基礎(chǔ) 24
2.1 概念界定 24
2.2 數(shù)學(xué)基礎(chǔ) 25
2.3 資源適配中的教育學(xué)理論 27
2.4 資源適配評價標(biāo)準(zhǔn) 29
第二部分 關(guān)鍵技術(shù) 32
第3章 認(rèn)知診斷模型 33
3.1 基礎(chǔ)準(zhǔn)備知識 33
3.2 引入流行模型的知識追蹤 37
3.3 融入學(xué)習(xí)過程因素的知識追蹤 42
3.4 研究趨勢、展望 46
第4章 基于評分記錄的學(xué)習(xí)資源適配方法 49
4.1 基礎(chǔ)知識 49
4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)容推薦算法 52
4.3 基于隱式反饋嵌入的深度矩陣分解推薦系統(tǒng) 58
4.4 展望、趨勢、建議 67
第5章 基于評論文本信息的個性化學(xué)習(xí)資源推薦 70
5.1 基礎(chǔ)知識 70
5.2 基于評論表示學(xué)習(xí)和歷史評分行為的置信度感知推薦模型 73
5.3 基于評論特征表示學(xué)習(xí)的高效深度矩陣分解方法 82
5.4 研究趨勢 90
第6章 融入社交關(guān)系感知網(wǎng)絡(luò)的學(xué)習(xí)資源適配 94
6.1 基礎(chǔ)知識 94
6.2 基于學(xué)習(xí)者多視角的社交推薦方法 101
6.3 融合圖卷積的復(fù)雜社交關(guān)系推薦算法 109
6.4 研究趨勢 120
第7章 知識圖譜與資源適配 124
7.1 基于多尺度動態(tài)卷積的知識圖譜嵌入 124
7.2 基于異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的少樣本知識圖譜推理模型 128
7.3 基于重構(gòu)神經(jīng)網(wǎng)絡(luò)的知識圖譜交互學(xué)習(xí)推理模型 134
7.4 基于知識圖譜的學(xué)習(xí)資源適配 139
7.5 研究趨勢 141
第三部分 應(yīng)用與展望 145
第8章 學(xué)習(xí)資源適配系統(tǒng)開發(fā)與實現(xiàn) 146
8.1 國家教育資源公共服務(wù)平臺 146
8.2 平臺介紹 148
8.3 平臺應(yīng)用 149
第9章 總結(jié)與展望 152
9.1 總結(jié) 152
9.2 展望 153
9.3 應(yīng)用 155