Тип работы:
 Предмет:
 Язык работы:


Рекомендательная система для образовательного контента

Работа №128455

Тип работы

Бакалаврская работа

Предмет

информатика

Объем работы36
Год сдачи2021
Стоимость4220 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
147
Не подходит работа?

Узнай цену на написание


Введение в проблематику 3
Постановка задачи 4
Обзор литературы 5
Глава 1. Рекомендательные системы 7
1.1. Определение 7
1.2. Описание различных подходов 9
1.2.1. Фильтрация на основе содержания 9
1.2.2. Коллаборативная фильтрация 11
1.2.3. Гибридный метод 13
1.3. Алгоритмы и метрики 15
1.3.1. Алгоритмы РС, основанные на содержимом 15
1.3.2. Алгоритмы РС, основанные на коллаборативной
фильтрации 17
1.3.3. Метрики 19
Глава 2. Практическая реализация 21
2.1. Рекомендательная система по данным тестирования 21
2.1.1 Данные 22
2.1.2 Подход к рекомендациям 23
2.2. Рекомендательная система онлайн-курсов 25
2.2.1 Данные 25
2.2.2 Подход к рекомендациям 26
Заключение 34
Список литературы


В книге «Длинный хвост» Крис Андерсон сказал: «Мы выходим из эпохи информации и вступаем в эпоху рекомендаций» [1]. Огромный объем информации окружает людей, что помогает им принимать более правильные решения. Однако качество таких решений снижается от переизбытка знаний. В настоящее время новые технологии и быстрый рост Интернета упростили доступ к информации для всех категорий людей, поставив перед образованием новые совершенно новые задачи. Как следствие пандемии сейчас активно развивается онлайн-образование. Все больше и больше учебных заведений регулярно используют компьютеризированные инструменты для обучения и тестирования, собираются огромные объемы данных. С развитием технологий появляются новые возможности и потребности в образовании, такие как индивидуальный подход, объективность оценки, встают вопросы, как лучше направить студентов в процессе обучения среди такого большого разнообразия книг, курсов и упражнений. Одним из самых больших препятствий в современных методах обучения является то, что всем учащимся предоставляется один и тот же учебный план и учебные материалы. Однако студенты обладают разными навыками и поступают на учебу с разными знаниями. Учителя должны иметь возможность создавать полностью индивидуализированные образовательные программы, основанные на успеваемости и трудностях обучения каждого ученика, так же, как и студентам нужно предоставить качественные инструменты, помогающие ориентироваться в таком многообразии учебных материалов. Чтобы удовлетворить эту потребность, было разработано множество различных информационных и рекомендательных стратегий. Системы рекомендаций - одна из них. Системы рекомендаций пытаются помочь пользователю, представляя те объекты, которые могут быть более интересны, исходя из его известных предпочтений или предпочтений других пользователей с аналогичными характеристиками.
Постановка задачи
Целью этой работы является исследование различных подходов к построению рекомендательных систем (РС) и в первую очередь разработка рекомендательной системы, которая основываясь на введенном идентификаторе, определяет тематику запроса и рекомендует существующие онлайн-курсы. Также, разработка РС, которая опираясь на данные тестирования/контрольной работы, может использоваться в образовательном контенте для повышения качества обучения.
Для достижения поставленной цели были поставлены следующие задачи:
1. Изучение рекомендательных систем и алгоритмов
2. Изучение существующих библиотек в Python, необходимых для разработки рекомендательной системы
3. Обзор существующих решений в задачах построения рекомендательных систем
4. Проектирование и реализация рекомендательной системы
5. Анализ полученных рекомендаций с целью определения успешности выбранного подхода.
Данная работа разбита на 2 части. В первой рассматривается теория рекомендательных систем: основные виды и алгоритмы. Во второй части рассматривается подход к реализации рекомендательной системы, которую можно использовать в образовании и анализ проведенных экспериментов и всему с ними связанному.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
КУРСОВЫЕ СТАТЬИ ВКР

В данной работе была представлена рекомендательная система (РС), которая основываясь на введенном идентификаторе, определяет тематику запроса и рекомендует существующие онлайн-курсы. Также была разработана РС, которая опираясь на результаты тестирования предлагает для студентов темы для повторения, а для учителей возможный вариант разбиения на группы по уровню знаний.
В процессе проведения исследования был произведен обзор предметной области рекомендательных систем, были изучены основные методы в разработке РС, главные подходы к их построению, а также модули и библиотеки Python для работы с большими массивами данных (numpy и pandas). Кроме того, были рассмотрены популярные алгоритмы машинного обучения, которые активно применяются при реализации различных систем. Также были проанализированы существующие стратегии решения задач рекомендаций в образовательной среде.
Проделанная мной работа является начальной точкой в дальнейшем изучении и реализации рекомендательных систем в образовании. Реализация РС продемонстрировала работу популярных алгоритмов, логику подбора параметров, а также выявила проблемы, которые могут возникнуть при применении различных подходов. Детальное изучение существующих методов позволит произвести усовершенствование существующих решений.



[1] C. Anderson, The long tail: Why the future of business is selling less of more. Hachette Books, 2006.
[2] Adomavicius G. Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions / G. Adomavicius, A. Tuzhilin // IEEE Transactions on Knowledge and Data Engineering. - 2005. - Vol. 17, №6. - P. 734-749
[3] Francesco Ricci , Lior Rokach, Bracha Shapira, Paul B. Kantor. Recommender Systems Handbook
[4] Машинное обучение. Рекомендательные системы [Электронный ресурс]: Электронный журнал. URL:https://developers.google.com/machine-learning/recommendation
[5] Herlocker, J., Konstan, J., Riedl, J.: Explaining collaborative filtering recommendations. In: In proceedings of ACM 2000 Conference on Computer Supported Cooperative Work, pp. 241-250 (2000)
[6] Schafer, J.B., Frankowski, D., Herlocker, J., Sen, S.: Collaborative filtering recommender systems. In: The Adaptive Web, pp. 291-324. Springer Berlin / Heidelberg (2007)
[7] Robin Burke. Hybrid recommender systems: Survey and experiments. User modeling and user adapted interaction, 12(4):331-370, 2002.
[8] Hael Al-bashiria, Mansoor Abdullateef Abdulgabbera, Awanis Romlia, Fadhl Hujainaha. Collaborative Filtering Recommender System: Overview and Challenges
[9] Muhammad Asima, Muaaz Zakria. Advanced kNN: A Mature Machine Learning Series
[10] Joel Grus. Introduction to Data Science.
[11] Hassan Khosrav. Recommendation in Personalised Peer-Learning Environments
[12] Aleem Akhtar. Implementation of Course Recommender System for Virtual University of Pakistan.
[13] Klinkenberg S, Straatemeier M, Van der Maas HLJ. Computer adaptive practice of maths ability using a new item response model for on the fly ability and difficulty estimation // Computers & Education. — 2011. — Vol. 57, no. 2. — P. 1813-1824.
[14] Специализация Машинное обучение и анализ данных на coursera. [Электронный ресурс]. Онлайн-курсы.
URL:https://www.coursera.org/specializations/machine-learning-data-analysis
[15] Y. Koren, R. Bell, and C. Volinsky, Matrix factorization techniques for recommender systems, Computer 42 (2009), no. 8, 30-37.
[16] Deerwester, S. , Dumais, S., Furnas, G.W., Landauer, T.K. and Harshman, R., “Indexing by Latent Semantic Analysis”, Journal of the Society for Information Science 41 (1990), 391- 407
[17] D. T. Pham, S. S. Dimov, and C. D. Nguyen. Selection of K in K-means clustering
[18] Pradnya Vaibhav Kulkarni. Recommender System in eLearning: A Survey.
[19] Hasan Kahtan,Hael Al-bashiri. A Proposed Course Recommender Model based on Collaborative Filtering for Course Registration

Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ
.