基于大數據的偏好數據挖掘及其應用.pdf

1、隨著信息技術在教育中的廣泛應用，產生了豐富的教學數據。那么如何針對這些數據，挖掘分析出對教學和管理有用的信息是當前研究的熱點。
　　各類教學數據中包含了大量對改善教學有利的信息，隨著教學數據的積累，形成了龐大的教學數據庫，而數據挖掘就是要在繁雜的海量數據中尋找有價值的數據，偏好數據是高價值的數據，因此基于大數據的偏好數據挖掘將對改善教學具有重要作用。
　　論文針對教學積累的海量數據進行挖掘分析研究。首先對基于大數據的偏好數據

2、挖掘進行現(xiàn)狀分析;然后論述挖掘原理與技術;第三，構建偏好數據挖掘模型，采用K-MEANS聚類及關聯(lián)規(guī)則算法構建用戶學習偏好模型;最后，設計與實現(xiàn)自主學習支撐平臺。在平臺的支持下，完成挖掘任務。對學生數據偏好深度挖掘，有利于針對性教學，因材施教。論文研究內容主要有以下幾個方面:
　　一、分析偏好數據挖掘的現(xiàn)狀，論述挖掘原理和技術，提出基于大數據的偏好數據挖掘問題。
　　二、基于本體構建學生學習偏好本體類結構，并通過OWL語言對

3、其描述。
　　三、將學生學習興趣分為短期學習興趣和長期學習興趣，提出一種基于大數據的學生學習偏好模型。根據學生瀏覽行為和日志記錄數據，挖掘學生短期學習興趣。利用后臺服務器數據庫中的數據，對初始學生用戶注冊信息進行挖掘，提取出學生長期學習興趣。
　　四、設計K-MEANS聚類算法和關聯(lián)規(guī)則挖掘算法。基于學生學習瀏覽日志記錄和信息反饋，挖掘具有價值的學生學習偏好信息，并對其進行關聯(lián)與分類處理。
　　五、構建自主學習支撐平臺