《表1 部分关联特征说明及数值表示》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度学习视角下的个性化学习资源推荐方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证基于深度神经网络的个性化学习资源推荐方法推荐的个性化学习资源与学习者需求的符合程度，研究者开展了一系列实验。实验数据不仅包括学习资源数据，还包括学习者开展学习的历史数据。在现有的公开数据集中，如edX、World UC等，提供了数十个属性，包括课程数据、学习者信息和学习者行为数据等。参考Zhou等（2018）的实验设计方案，本文从浙江省某高校网络平台数据中集中提取了部分在线学习数据信息，结合学习者和学习资源的实际情况，按照相应规则补全了部分数据形成本文实验数据集。利用基于MIFS的特征选择方法处理后的模型，可获取学习者-资源特征，即在整个方法流程中需要输入的特征子集。在实际任务中很多机器学习存在表离散化特征，如表1所示。本文对特征采用独热编码方式，例如一条学习记录中显示学习资源属于计算机类，难度为较易，媒介类型是视频格式，学习者是上午九点进行学习的，则该资源样本通过独热编码可记作:[10000000]、[01000]、[10000]、[1000]。