给大家分享5篇关于MOOC平台的计算机专业论文

今天分享的是关于MOOC平台的5篇计算机毕业论文范文, 如果你的论文涉及到MOOC平台等主题,本文能够帮助到你

面向MOOC平台的课程推荐系统研究与实现

这是一篇关于课程推荐,MOOC平台,神经网络,协同过滤的论文, 主要内容为随着互联网的快速发展以及人们对教育需求的不断增长,2012年出现了大规模在线开放课程(Massive Open Online Course,MOOC)这种新型的在线教学模式。伴随着这种大规模开放式在线课程平台的快速发展,MOOC平台课程数量大幅度的增加,MOOC平台出现了类似于电商平台的信息过载问题,信息过载给用户带来了学习选择困难、学习迷航等问题。因此,针对MOOC平台的课程推荐系统的研究与实现有着重要的实际应用价值。本文的主要工作内容如下:(1)基于神经网络的课程推荐模型优化。针对信息过载问题,传统的推荐算法通常采用的是协同过滤,由于神经网络的发展,现在很多推荐模型将神经网络应用到协同过滤中,以此来提高模型的性能。本文构建的课程推荐模型在基于神经网络的协同过滤模型基础上进行了改进,考虑到社交网络对模型推荐的影响,本文将用户的关注关系融入到原始模型中。为了验证融入关注关系对模型的提升,本文使用爱慕客平台上的真实数据进行了实验对比,实验结果表明融入关注关系可以使得原始模型发挥更好的性能。(2)基于相似课程的二次推荐。为了推荐不同MOOC平台上的课程给用户,满足用户对不同MOOC平台上的课程学习的需求,本文提出了基于相似课程的二次推荐。它在本文构建的课程推荐模型推荐的TopK门课程基础上,可以通过计算将更多MOOC平台上的相似课程作为这K门课程的二次推荐。本文的相似课程的计算是通过全文检索服务器Solr在不同MOOC平台上根据关键字检索来实现,同时为了考虑二次推荐课程的质量,将检索到的课程融合课程评分和课程观看人数重新排序出相似课程。最终在不同MOOC平台上推荐相应的相似课程给当前用户,提高推荐模型的广度。(3)课程推荐系统的实现。本文实现的课程推荐系统将本文构建的课程推荐模型和基于相似课程的二次推荐应用到现有的MOOC平台中,通过系统的形式为用户提供个性化的课程推荐。

面向MOOC平台的课程推荐系统研究与实现

MOOC课程推荐系统的设计与实现

这是一篇关于MOOC平台,J2EE,课程系统,B/S的论文, 主要内容为随着当今社会信息化的飞速发展,人们的学习方式发生了巨大变化,越来越多的人从传统的教育方式走向了网络课程,与此同时新形式的大规模开放式课程飞速发展,催生了大量的开放式课程平台。国内的开放式课程建设还处于起步阶段,而且至今未出现一个成熟的课程平台,国内的课程一般寄托于国外MOOC平台,但是国外平台对于中文课程不够重视,支持度不高。为了紧跟MOOC潮流,我们需要构建一个高效的课程平台系统。此外,根据分析研究发现,所有已有平台都面临着一个重要的问题即如何处理系统产生的大量的用户基本信息、课程信息、用户评论等数据。大规模数据已经催生了信息过载问题,导致用户选择困难,造成困扰。针对这些问题,课程平台应该能够利用数据挖掘技术对课程平台上大量的信息数据进行过滤、分析、处理,为客户提升高可靠的推荐,以提升用户体验。本文采用了Spring MVC框架和B/S架构,通过详尽的系统需求分析,按照需求设计并实现了开放式课程平台系统。本系统主要划分为学生管理平台和教师管理平台,学生管理平台的功能有用户注册登录、课程管理、课程内容浏览等功能。通过学生管理平台,学生用户还可以浏览课程信息和其他人的评论,以便于选择自己喜欢的课程。教师管理平台主要为教师提供课程信息和内容发布功能,另外教师还可以获得评价反馈。教师管理平台主要包括课程信息、课程内容、评论内容的编辑管理功能。除了满足了用户的以上功能外,系统还利了用户的课程评价历史信息和用户的基本信息,针对用户进行个性化推荐。本系统不仅满足了MOOC平台的基本要求,还通过基于用户的系统推荐,为学习者推荐个性化课程,帮助用户选择,避免了用户在面对海量的课程信息时的信息迷航,与此同时也突出了高质量的课程,提升了用户体验。本系统通过对系统的详细的需求分析,系统设计与实现,最终实现了稳定、高效、可靠的大规模课程平台系统。