基于大数据的偏好数据挖掘及其应用
随着信息技术在教育中的广泛应用，产生了丰富的教学数据。那么如何针对这些数据，挖掘分析出对教学和管理有用的信息是当前研究的热点。 各类教学数据中包含了大量对改善教学有利的信息，随着教学数据的积累，形成了庞大的教学数据库，而数据挖掘就是要在繁杂的海量数据中寻找有价值的数据，偏好数据是高价值的数据，因此基于大数据的偏好数据挖掘将对改善教学具有重要作用。 论文针对教学积累的海量数据进行挖掘分析研究。首先对基于大数据的偏好数据挖掘进行现状分析;然后论述挖掘原理与技术;第三，构建偏好数据挖掘模型，采用K-MEANS聚类及关联规则算法构建用户学习偏好模型;最后，设计与实现自主学习支撑平台。在平台的支持下，完成挖掘任务。对学生数据偏好深度挖掘，有利于针对性教学，因材施教。论文研究内容主要有以下几个方面: 一、分析偏好数据挖掘的现状，论述挖掘原理和技术，提出基于大数据的偏好数据挖掘问题。 二、基于本体构建学生学习偏好本体类结构，并通过OWL语言对其描述。 三、将学生学习兴趣分为短期学习兴趣和长期学习兴趣，提出一种基于大数据的学生学习偏好模型。根据学生浏览行为和日志记录数据，挖掘学生短期学习兴趣。利用后台服务器数据库中的数据，对初始学生用户注册信息进行挖掘，提取出学生长期学习兴趣。 四、设计K-MEANS聚类算法和关联规则挖掘算法。基于学生学习浏览日志记录和信息反馈，挖掘具有价值的学生学习偏好信息，并对其进行关联与分类处理。 五、构建自主学习支撑平台，实现平台的主要模块功能。
教学信息;学习偏好;数据挖掘;K-MEANS聚类;关联规则算法
河南师范大学
硕士
计算机软件与理论
王晓东
2015
中文
TP311.13
54
2015-12-29（万方平台首次上网日期，不代表论文的发表时间）