十五，基于教育数据挖掘的个性化习题推荐算法研究

论文名称：基于教育数据挖掘的个性化习题推荐算法研究_黄文增.
研究对象
提出一种综合考虑习题难度和知识点覆盖的习题推荐算法NPERA（New Personalized Exercise Recommendation Algorithm）。
研究动机
- 对传统的习题推荐进行改进，准确反映学生认知水平状态，合理进行习题推荐。
文献综述
- 对国内外教育数据挖掘领域的相关研究进行介绍。
- 阐述论文涉及到的领域理论知识和技术方法，并在这些研究之上进行拓展，比较常见推荐算法优势和不足。
- 在现有个性化习题推荐基础上提出要研究的新型的个性化习题推荐算法构建思路（算法原理）。
- 实现具体的算法框架
- 对比实验验证
研究方案设计
- 认知水平建模，并对模型参数利用最大似然估计方法进行求解。
- 分知识点认知水平建模，EM算法进行参数求解。
- 分知识点认知水平连续化处理
- 待推荐习题正确率预测方法
- 习题推荐列表生成方法
- 实验验证（实验环境，数据集选择，数据集介绍，调参实验结果分析（习题预准确率，习题推荐难度，习题推荐效率））
使用数据集
三个公开数据集，一个私有数据集。
研究结论
提出的新型习题推荐算法在实验验证习题预准确率，难度相符度，推荐效率都有所提高。
学习心得
研读之后对基础的传统的推荐算法有了学习理解，加强认知诊断模型学习。