基于知识图谱的个性化学习资源推荐系统的设计与实现(论文+源码)_kaic

本文涉及的产品
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS MySQL,高可用系列 2核4GB
简介: 最近几年来,伴随着教育信息化、个性化教育和K12之类的新观念提出,一如既往的教育方法向信息化智能化的转变,学生群体都对这种不受时间和地点约束的学习方式有浓厚的兴趣。而现在市面上存在的推荐系统给学生推荐资料时不符合学生个人对知识获取的需求情况,以至于推荐效果差强人意。与此同时,这种信息数字化的新学习方法在给学生群体带来方便的同时,也带来了很多其他的问题,例如信息冗杂、形式让人眼花缭乱的问题,导致系统检索变得难以运行。解决问题的关键是个性化学习推荐系统,它适合于各式各样的用户产生的各式各样的需求。

 摘    要

最近几年来,伴随着教育信息化、个性化教育和K12之类的新观念提出,一如既往的教育方法向信息化智能化的转变,学生群体都对这种不受时间和地点约束的学习方式有浓厚的兴趣。而现在市面上存在的推荐系统给学生推荐资料时不符合学生个人对知识获取的需求情况,以至于推荐效果差强人意。与此同时,这种信息数字化的新学习方法在给学生群体带来方便的同时,也带来了很多其他的问题,例如信息冗杂、形式让人眼花缭乱的问题,导致系统检索变得难以运行。

解决问题的关键是个性化学习推荐系统,它适合于各式各样的用户产生的各式各样的需求。本系统基于知识图谱个性化学习推荐系统使用MySQL作为后台数据库,HTML技术实现系统前端页面的设计,使用Python作为后台技术,使用Django框架,完成整个系统的界面显示和数据交互。基于知识图谱个性化学习推荐系统,对于解决在互联网上学习的资源太多以至于学生很难简单迅速寻找自己所需要学习的知识点。实现系统所需要的四个主要功能模块有用户模块,用户行为采集模块,个性化推荐模块,后台管理模块。有了这个系统,用户可以用最少的时间和精力,准确地找到所需的资料,从而最大程度地提高效率。

关键词:推荐系统;个性化学习;Django;知识图谱

 

Abstract

In recent years, with the introduction of new concepts such as educational informationization, personalized education and K12, as always, the educational method has changed to informationization and intelligence, and students have a strong interest in this learning method that is not constrained by time and place. However, the existing recommendation system in the market does not meet the students' personal demand for knowledge acquisition when recommending materials to students, so that the recommendation effect is not satisfactory. At the same time, this new learning method of digital information brings convenience to the students, but also brings many other problems, such as the jumbled information and dazzling forms, which makes the system retrieval difficult to operate. The key to solve the problem is personalized learning recommendation system, which is suitable for all kinds of needs generated by all kinds of users. The personalized learning recommendation system based on knowledge map uses MySQL as the background database, HTML technology to design the front page of the system, Python as the background technology, and Django framework to complete the interface display and data interaction of the whole system. Personalized learning recommendation system based on knowledge map can solve the problem that there are so many learning resources on the Internet that it is difficult for students to find the knowledge points they need to learn simply and quickly.

key words: Recommendation system; Personalized learning; Django

目    录

第1章 绪论    

1.1研究背景及意义    

1.2 国内外研究现状    

1.3 研究工作和论文结构    

第2章 相关技术    

2.1 HTML 和Python 语言    

2.2 知识图谱    

2.3 数据库技术    

2.4 Django 框架    

第3章 系统分析    

3.1 总体需求分析    

3.2 功能需求分析    

3.2.1学生数据采集模块功能需求分析    

3.2.2教学资源管理模块功能需求分析    

3.2.3个性化学习推荐模块功能需求分析    

3.3 基于知识图谱的非功能需求分析    

3.4 基于知识图谱的系统可行性分析    

第4章 系统设计    

4.1 系统功能设计    

4.1.1 用户模块设计    

4.1.2 用户行为采集模块设计    

4.1.3 个性化推荐模块设计    

4.1.4 后台管理模块设计    

4.2 数据库设计    

4.2.1 数据库概念设计    

4.2.2 数据表设计    

第5章 系统实现    

5.1 系统开发环境    

5.2 用户模块实现    

5.3 用户行为采集模块实现    

5.4 个性化推荐模块实现    

5.5 后台管理模块实现    

第6章 系统测试    

6.1 系统测试环境    

6.2 用户模块测试    

6.3 用户行为采集模块测试    

6.4 个性化推荐模块测试    

6.5 后台管理模块测试    

第7章 总结与展望    

参考文献    

致    谢    

 

第1章 绪论

1.1研究背景及意义

21世纪是一个不同于以前的信息时代,互联网时代和这个以信息化为主要基础的经济和知识主宰的新时代,如今任何一个国家的国力综合和整体的社会现象,都由教育水平和科技的共同发展来决定。但以目前的教育科技统治来看,一成不变的教学方法已经完全无法满足社会上对高等教育人才的需求,而新时代的信息化线上教育则展示出了超前的个人成长能力。现代远程教育体系的诞生将对拥有革命性活力与强大创造力的中国传统教育教学方式及其在新兴市场发展中产生巨大的冲击[1]。

新时代的信息化线上学习使学生不再受约束于地理位置的局限,学生可以在任何自己想要的时间点、任何方便的地点随心所欲的进行线上学习,获取优秀且庞大的教育资源,为学生提供和以往不同的学习时间空间和资源,需要很明显的提升学生的流动性和学生的学习参与度,提高学生的知识、能力和素质。现代远程学习教育促进了学习的普及和目标化,为提高社会整体素质提供了更广阔的舞台,是发展持续一生学习的重要工具[2]。本课题对此的研究可以更加有用的对应“信息过载”给用户带来的不便。让用户能够更加高效的和便捷的获取自身感兴趣的学习资源。

1.2 国内外研究现状

在目前阶段,我国的教育方面对网络经历的整个群体的心理、教育组织的方式方法开展了正确合理的分析研究,获得了与之对应的近期状况。合适于特色个性的学习网络学习平台计划已经变成了目前非常受人们欢迎的信息科学研究课题,但大部分还依然处于实验研究分析环节,还没有获得广泛的应用。虽然有一些关于学习的网站相较于与之类似的平台来说是特色化的,但在大部分的方面依然有许多的欠缺和未完善的地方。因此,很多互联网平台都忽略了学习者的个性特征测定[3]。

在国外,相较于符合特色化教学的网络教育平台由俄国圣彼得堡高新技术高校计算机科学院校智能计算机技术系与人工智能技术实验室一起合作研究发明的远程智慧导师系统。某些教学系统将内容划分为较小的模块,利于小步学习。但毋庸置疑得失,在另一层面来说,学习平台并不在乎学生自己学习的能力和知识与学生之间的互动交流以及学习的方法等。在教学中,学习者往往难以牢牢掌握自己的学习状态,更难根据互联网开展特色化学习[4]。

1.3 研究工作和论文结构

首先,本系统针对不同用户的不同需要,推送适合的学习资源。同时能为使用者创造一个更方便认识自身不足并加以弥补的平台,提高使用者学习能力。系统大体上包括以下四个模型板块。第一,用户模块:对于个体单独用户,第一次登陆的用户需要先注册自己的用户后再进行登录,在注册之后过一段时间才可以完善和修改自己的个人信息等;第二,用户行为采集模块:个人用户可对自身浏览过的学习资料进行打分评价,以及收藏或删除收藏资料等操作;第三,个性化推荐模块:在用户的注册进入主页之后,能够查看系统按照该用户的兴趣爱好所推送得出的学习资料;第四,后台管理模块,赋予平台管理员管理用户自己的信息和学习资源信息等的权利。

本篇论文用全网络平台公开的学习资源未基础的数据库,从创建系统需要用到的主要技术、系统可行性分析、系统的功能性能和非功能性能的分析和设计系统的仔细情况、系统现实的情况和测试情况进行分析研究,一共有七部分内容。

第一章绪论。从本题的国内外研究背景开始,以个性化学习推荐系统的国内外情况和发展趋势为基础阐述研究发明的问题,最后表达本题主要研究的是什么东西。

第二章相关技术。开头对个性化推荐系统进行简要的阐述,然后叙述了要实现个性化学习系统需要使用到的框架和需要应用到的相关技术。

第三章系统分析。首先对系统进行可行性分析,然后对系统的功能需求进行阐述。

第四章系统设计。先叙述了系统的整个设计流程,然后阐述了整个系统数据库的概念框架设计的流程,描述了整个系统数据库概念架构设计的E-R图,最后以数据表为基础详细设计实体。

第五章系统实现。阐述开发的环境,仔细说明了用户模块、用户行为采集模块、个性化推荐模块、后台管理模块这四个功能模块如何实现。

第六章系统测试。介绍测试环境,仔细测试用户模块、用户行为采集模块、个性化推荐模块和后台管理模块这四个模块,最后得到的测试结果与最开始的期望效果一致。

第七章总结与展望。总结系统在进行本课题研究时,前期所进行的工作及其有关技术手段,并说明在系统下进一步研究可以扩展的方向及其进行方式。

 

第2章 相关技术

2.1 HTML 和Python 语言

HTML全称超文本标记语言,但在二十世纪末期,它使了国内互联网行业一片昌盛。但是HTML其实并不属于一门编程语言。顾名思义,它是一门标记编程语言。首先由于它能够加入图像、音频等超出文字限制的信息,同时HTML能够添加相应内容以此来在不同网页间实现切换,所以称为超文本,再由于它使用的是一个个标记来描述不同页面,所以叫做标记编程语言[5]。

Python是一个简明易懂、很容易掌握的编程语言,就算是完全没有了解过编程语言的人,也可以很轻松掌握Python的基本编程语法构造[6],而且由于它不像一般C编程语言里的指针、结构体等基本构造那样繁琐,所以稍微有一些程序设计基础知识的人仅需要二三天的时间就可以迅速上手并应用于Python。

2.2 知识图谱

知识图谱是记述现实世界的实体和实体的关系和属性的语义网络。 用接近人类的想法展示网络上的信息。 知识地图在提高搜索引擎准确率、替代人工智能答疑、解决银行信用卡申请诈骗问题方面具有重要作用。 知识图谱绝不是突然出现的技术,使近几年由于一些相关技术相辅相成形成的,这其中包括1960年的语义网、知识表示、1980年的哲学概念“本体论”的引入、1989年的网络、1998年的Semantic Web、自然语言处理技术等近年来与知识表示相关的技术相互影响而形成的知识图谱由于这些技术的影响和促进,在越来越多的领域得到了广泛的应用。

除了擅长语义问答和智能检索外,知识图谱在教育领域也很优秀。其在教学领域的应用主要是知识库建设、自适应学习和虚拟学习助手。教育知识库是指基础资源库中存储的各种视频、学习资源评论等。通过构建知识库内容框架,将知识库资源设置为知识节点,以便更好地利用知识库中的资源,甚至是知识点。连接知识点后,学生将通过自适应学习方法进入下一个学习过程。自适应学习根据学习者的行为和知识水平构建学生的形象,利用知识图谱为学生确定下一步应该学习的知识点。根据每个学生的学习情况,为学生安排不同难度的测试。 还可以根据学生的知识点动态调整学生的学习目标和考试难度,帮助学生更好地掌握知识,提高学习成绩。虚拟学习助手可以让学习者一起学习,不仅能为学习者提供个性化的练习和答案,还能及时提供学生学习情况的反馈,帮助系统及时准确地了解学生的学习状态。

2.3 数据库技术

MySQL是一种对外免费开放的关系式数据库,从大数据范围上来说MySQL属于中小型数据库管理,与其他大小的信息库管理如Oracle等一样,虽然它在功能方面还是有一定差异,不过由于它一直深受广大开发人员的喜爱,因此也拥有很多好处[7]。首先MySQL是一种真实的多客户、多线程的信息库管理服务器,它可以迅速、高效地和安全的保存和管理大量的信息。其次,MySQL能够跨越多种操作系统平台的运行环境,给广大开发者提供了便利。最后就是MySQL能够保证数据的安全,对权限和信息的保存也十分安全,并且能够较好的保存了部分敏感信息,而不至于泄露[8]。

2.4 Django 框架

Django是一种以Python语言创建的开放的网页开发技术框架,可以协助开发者更快速、更简单地发布网页站点。Django框架里面提供了多个Web的基本组件,并且还整合了一些轻量级的Web服务器,具备强大的扩展,Python的Django是快速发布、建设、部署网站的良好组合[9]。

image.gif编辑

image.gif编辑

image.gif编辑

image.gif编辑

image.gif编辑

image.gif编辑


相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
相关文章
|
5月前
|
JavaScript Java 测试技术
基于springboot+vue.js+uniapp的民宿推荐系统附带文章源码部署视频讲解等
基于springboot+vue.js+uniapp的民宿推荐系统附带文章源码部署视频讲解等
47 1
|
5月前
|
搜索推荐 JavaScript Java
基于SpringBoot+Vue+uniapp的个性化新闻推荐系统的详细设计和实现(源码+lw+部署文档+讲解等)
基于SpringBoot+Vue+uniapp的个性化新闻推荐系统的详细设计和实现(源码+lw+部署文档+讲解等)
|
5月前
|
机器学习/深度学习 搜索推荐 算法
智能推荐系统:个性化体验的背后
【7月更文第18天】在互联网的汪洋大海中,智能推荐系统就像一位贴心的向导,总能在浩瀚的信息中找到你最感兴趣的那一部分。它在电商平台上让你轻松发现心仪商品,在视频平台上为你连播下一集你欲罢不能的剧集。这背后的秘密,就是那些神奇的智能推荐算法。今天,咱们就来扒一扒电商、视频平台中的智能推荐系统,看看它是如何为你我打造出个性化的数字体验的。
300 0
|
5月前
|
JavaScript Java 测试技术
基于SpringBoot+Vue+uniapp的松江大学城就餐推荐系统的详细设计和实现(源码+lw+部署文档+讲解等)
基于SpringBoot+Vue+uniapp的松江大学城就餐推荐系统的详细设计和实现(源码+lw+部署文档+讲解等)
|
5月前
|
JavaScript Java 测试技术
基于springboot+vue.js+uniapp的个性化新闻推荐系统附带文章源码部署视频讲解等
基于springboot+vue.js+uniapp的个性化新闻推荐系统附带文章源码部署视频讲解等
43 0
|
4月前
|
搜索推荐 前端开发 数据可视化
【优秀python web毕设案例】基于协同过滤算法的酒店推荐系统,django框架+bootstrap前端+echarts可视化,有后台有爬虫
本文介绍了一个基于Django框架、协同过滤算法、ECharts数据可视化以及Bootstrap前端技术的酒店推荐系统,该系统通过用户行为分析和推荐算法优化,提供个性化的酒店推荐和直观的数据展示,以提升用户体验。
173 1
【优秀python web毕设案例】基于协同过滤算法的酒店推荐系统,django框架+bootstrap前端+echarts可视化,有后台有爬虫
|
6月前
|
搜索推荐 算法 小程序
基于Java协同过滤算法的电影推荐系统设计和实现(源码+LW+调试文档+讲解等)
基于Java协同过滤算法的电影推荐系统设计和实现(源码+LW+调试文档+讲解等)
|
6月前
|
搜索推荐 算法 小程序
基于Java协同过滤算法的图书推荐系统设计和实现(源码+LW+调试文档+讲解等)
基于Java协同过滤算法的图书推荐系统设计和实现(源码+LW+调试文档+讲解等)
|
4月前
|
搜索推荐 前端开发 数据可视化
基于Python协同过滤的旅游景点推荐系统,采用Django框架,MySQL数据存储,Bootstrap前端,echarts可视化实现
本文介绍了一个基于Python协同过滤算法的旅游景点推荐系统,该系统采用Django框架、MySQL数据库、Bootstrap前端和echarts数据可视化技术,旨在为用户提供个性化的旅游推荐服务,提升用户体验和旅游市场增长。
372 9
基于Python协同过滤的旅游景点推荐系统,采用Django框架,MySQL数据存储,Bootstrap前端,echarts可视化实现
|
4月前
|
搜索推荐 前端开发 算法
基于用户画像及协同过滤算法的音乐推荐系统,采用Django框架、bootstrap前端,MySQL数据库
本文介绍了一个基于用户画像和协同过滤算法的音乐推荐系统,使用Django框架、Bootstrap前端和MySQL数据库构建,旨在为用户提供个性化的音乐推荐服务,提高推荐准确性和用户满意度。
303 7
基于用户画像及协同过滤算法的音乐推荐系统,采用Django框架、bootstrap前端,MySQL数据库
下一篇
DataWorks