《基于知识图谱的学习者路径生成系统设计10000字(论文)》_第1页
《基于知识图谱的学习者路径生成系统设计10000字(论文)》_第2页
《基于知识图谱的学习者路径生成系统设计10000字(论文)》_第3页
《基于知识图谱的学习者路径生成系统设计10000字(论文)》_第4页
《基于知识图谱的学习者路径生成系统设计10000字(论文)》_第5页
已阅读5页,还剩21页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于知识图谱的学习者路径生成系统设计摘要:本毕业设计实现了基于知识图谱的学习者路径生成系统。该系统采用Vue+Element

UI+Echarts的方式进行开发,实现了登录注册、搜索、学习画像构建、知识图谱可视化、课程查询及课程之间关系构建等功能。通过创建一个知识库,构建了自己的知识图谱,通过知识图谱和用户的学习习惯来构建用户的学习路径。关键词:知识图谱、个性化推荐、自适应学习推荐系统、学习路径目录TOC\o"1-3"\h\u13041第一章前言 4208201.1研究背景及意义 4124571.2国内外研究现状与存在问题 4320311.2.1常用推荐法之一:网络推荐算法 5190821.2.2常用推荐法之一:个性化推荐算法 5131431.2.3存在问题 624241.3研究内容与主要工作 626681.4提出方案 67869第二章系统相关理论与技术 7309002.1Vue 7206682.2ElementUI 7222152.3Echarts 767672.4TextRank算法 73469第三章需求分析 8316513.1功能概述 856293.2前端功能模块 8103213.2.1登录模块 8244783.2.2注册模块 9305993.2.3搜索功能 972433.2.4可视化模块 10140053.2.5个人中心 1188993.3后台功能模块 11277503.3.1用户模块 11263793.3.2个人信息模块 11116813.3.3课程模块 11160583.4系统的架构 119143.5数据库设计 1262923.6可行性分析 142850第四章平台的实现与测试 14189854.1系统功能详细设计与实现 1417054.1.1登录功能 14274834.1.2注册功能 1566274.1.3搜索功能 16140514.1.4可视化功能 17273364.1.5学习路径推荐功能 19246704.1.6后台管理功能 20302064.2系统测试 2149674.2.1功能测试 2271644.2.2非功能性测试 23114584.3本章小结 2421522第五章总结与展望 2414505.1总结 2474175.2研究展望 2416022参考文献 25前言1.1研究背景及意义进入21世纪的第二个十年,在线学习因不受时间、空间、地点的限制,通过电子设备进行网络在线学习逐渐成为了大部分大学生的主要学习方式,特别是在新冠疫情期间,人们居家隔离,网上学习的人数呈现了爆炸式增长。但学习者在进行网上学习的时候由于缺少专业的老师进行指导,面对海量的学习资源,经常会出现“选择混乱”和“认知超载”【4】。在在线学习人数日益递增的环境下,探索符合学习习惯和偏好的学习活动路径能够降低学习者学习盲目性、提升学习者的课程体验。本研究以教育大数据为背景,以MOOC和学堂在线为研究案例,以个性化学习路径为研究内容,根据知识点间的依赖关系构建学科知识图谱,通过学习者的已学习知识点和目标知识点,构建出特定的学习路径,为学习者进行个性化资源推荐,提高学习者的学习效率。学习路径是学习者在学习过程中选择或被选择的一系列概念和活动的序列集合。在已有的数字化学习系统中,学习路径和内容是由教学设计者制定的,因此,学习者在学习进度上是同一步调的,在学习内容上是统一的,而这种学习方式无法满足学习者需求。个性化学习路径则是基于学习者个性优势设计满足其学习需求的学习目标,并提供符合其学习偏好的学习内容和学习活动,由学习者自定步调和掌控的学习序列组合。【8】由于人类的认知结构是非线性网状结构的,知识与知识之间并非是树状的,而是相互联系的。引入知识图谱来构建学习者的学习路径【14】,可以模拟知识在人脑中的储存方式,符合学习者的认知习惯。同时,针对学习者的知识点掌握情况发现学习者的薄弱知识点,了解知识点掌握程度,为学习者推荐合适的学习资源,可以帮助学习者更高效地掌握知识点。通过多个知识图谱的比较可以得出学习的学习兴趣倾向与知识基础,由此得出的学习画像可为个性化推荐提供技术支撑。1.2国内外研究现状与存在问题1.2.1常用推荐法之一:网络推荐算法网络学习路径推荐主要使用了以下三种算法:【11】(1)启发式算法包括遗传算法、蚁群算法和粒子算法。遗传算法:遗传算法将问题模拟成生物的进化过程,通过复制、交叉、变异等遗传方法产生下一代的解,并排除掉适应度函数值低的解,保留适应度函数值高的解继续进化这样连续进化Ⅳ代后可能产生适应度函数值很高的个体。【1】蚁群算法是一种在图中寻找优化路径的机率型算法。该算法采用正反馈机制,搜索过程采用分布式计算方式不断收敛,最终逼近最优解。粒子群算法也叫鸟群觅食算法,从随机解出发,迭代寻找最优解,通过适应度评价解的质量。杨超综合运用项目反映理论分析不同学习者的学习目标和能力,结合粒子群优化算法进行资源推荐;吴雷结合局部邻域搜索和禁忌搜索方式,提出一种改进粒子群算法,用来求解在线学习系统中的学习路径优化方法。(2)数据挖掘算法数据挖掘算法主要应用在分类、估计、预测、相关性分组等方面,对网络中积累的大量学习资源数据进行分析,判断,关于网络学习路径推荐的方法有基于人工神经网络的算法、Apriori算法和基于贝叶斯网络的算法。【12】基于知识的推荐算法基于知识的推荐算法是将要表达的知识对象采用同样的表示方法进行标号,这样可以显示出需求与推荐之间的关系,主要有基于本体的推理和基于情感感知的推理。基于本体的推理是用本体语言来表示学习者与学习资源之间的关系;;基于情感感知的推荐主要研究如何结合当前情境来推测学习者对不同的学习资源的兴趣偏好并进行推荐。1.2.2常用推荐法之一:个性化推荐算法基于内容的推荐算法【5】基于内容的推荐算法是根据用户的查询历史或学习历史,向用户推荐同种类型的学习资源。例如:用户搜索了周杰伦之后可能就会向用户推荐张学友、林俊杰等歌手基于协同过滤推荐算法【5】基于协同过滤推荐算法是现在最主流的推荐算法,他会根据用户的使用历史计算用户的偏好,然后进行相似度匹配,推荐相类似的内容,这个算法在数据比较少的时候偏差比较大,随着使用数据的增多准确度会相应提高。混合型推荐算法【5】混合型推荐算法同时拥有以上两种算法的优点基于深度学习的推荐近几年基于深度学习的推荐在语音图像方面有了较快的发展,能够挖掘深层次的资源间的关系,根据挖掘出的关系为用户进行个性化推荐1.2.3存在问题软件架构上任然是使用线性结构【3】在知识的联系上,当前的社会上存在的自适应学习系统普遍采用线性树状来关联知识点,这种知识点关联方式与知识在人脑中实际存储方式略有不同。知识在人脑中的储存方式是非线性网状结构,这种树形分类方式虽然可以展现单一课程内的知识结构以及详细的知识划分,但却割裂了不同课程之间的联系。系统虽然能够得到同一课程内某一知识点与父知识点的关系,但如果想要实现跨课程知识点的联系表示,就难以实现,即便两知识点间存在联系,系统并未能够显示两者联系。当学习者进行跨学科或跨课程学习时,在传统知识表示方法下,学习者往往只能从基础学起,无法做到嵌入式的学习。无法直观的让用户看到自己的知识点掌握情况【15】传统的适应教学系统缺乏知识点学习的可视化功能,无法让用户直观的看到自己的学习情况,加入知识点可视化功能之后增加了系统的可玩性。无法自适应构建学习路径【6】传统的利用知识图谱构建的学习路径推荐要先手工预设学习路径,这样的话就会造成前期的工作量太大,效率不高,人工成本过高,而且由于是人工构建,数量有限,也没办法做到个性化推荐。1.3研究内容与主要工作本研究以教育大数据为背景,以MOOC和学堂在线为研究案例,对比现有个性化学习平台的特色与不足,引入知识图谱来解决现存的个性化推荐的痛点。根据知识点间的依赖关系构建学科知识图谱,再进行知识抽取实现知识融合,打破学科之间的知识壁垒,构建多学科相互联系的知识图谱。以个性化学习路径为研究内容,根据构建的知识图谱和用户的个人学习情况为用户推荐个性化学习路径,打破学科之间的知识壁垒,实现跨学科的知识推理,提高学习者的学习效率。加入了知识点的可视化功能,让用户能够直观的看到自己的知识点掌握情况,增加了系统的可玩性与直观性。1.4提出学习路径规划方案方案一:第一、先构建各个课程的专属学习路径,然后通过抽取知识点的关键词生成标签,再把不同课程中相同标签的知识点进行知识融合,合并关键词相似的知识点,通过这种方式就能使各个独立的学习路径相互连接,打破学科间的知识壁垒。融合之后的学习路径变成了一个类似于人类知识存储方式的网状结构。第二、建立一个用户的已学习表,当用户学习之后系统就会自动将刚学习完的知识点所在课程的学习路径和已学习库中的知识点所在课程的学习路径进行匹配,看是否能直接或者通过中间节点去连接起来构成一个学习网络。如果可以,那么就把学习路径显示出来,并且用黄色代表未学习的知识点,用深蓝色代表已学习的知识点。通过这种方式就可以把学习的知识都通过中间节点直接或间接的连接起来,组成一个网状的知识网络,用户可以通过匹配到的知识网络进行学习将各种知识连接起来,符合人脑的记忆方式,也可以通过这种方式让用户查漏补缺,更好的掌握知识点。方案二:通过对招聘网站对招聘人员的要求进行关键字提取,提取出招聘要求的关键字,通过提取到的关键字得到公司所要求具备的技术,再从数据库中查找得到各个技术所在课程的学习路径,对得到的学习路径进行关键字提取融合,得到这个岗位要求的知识点网络和学习路径,通过此知识点网络系统可以智能的向用户推荐学习资源帮助用户尽快达到岗位的招聘要求。比如一个公司要求招一个前端工程师,我们就可以通过爬取这个公司对招聘人员的要求进行关键词提取,再将提取到的关键词和对应的专业名词库进行匹配,得出这个职位的招聘要求中所要求具备的技术,再根据提取到的招聘要求中所涉及到的几个课程进行知识点的相似度匹配,匹配完对相似的知识点进行合并,然后就可以构成一个关于这个岗位的专属的学习路径了。系统相关理论与技术2.1VueVue在当前是最火的Web前端框架之一,是一套可以快速构建用户界面的渐进式框架,它提供了声明式渲染、组件系统、客户端路由、状态管理、构建等能力和工具链,这些功能几乎涵盖了现代Web前端开发的所有热点问题,并为这些问题一一提供了优雅的解决方案。采用自底向上增量开发的设计。Vue只关注视图层,不直接操作DOM元素。Vue具有简洁、轻量、快速和组件化的特点,并且可以和多个库搭配使用。非常的灵活和高效,不断繁荣的生态系统,可以在一个库和一套完整框架之间自如伸缩。2.2ElementUIelementui是一个基于vue的ui框架,该框架基于vue开发了很多相关组件,方便我们快速开发页面。是由饿了么前端团队基于vue进行开发并且进行了开源,elementui中提供的组件全部都是已经封装好了的。2.3EchartsECharts是一个基于JavaScript开发实现的开源可视化库,可以流畅的运行在PC端和移动设备上,兼容当前绝大部分浏览器,底层依赖矢量图形库ZRender,提供直观,可高度个性化定制的数据可视化图表。2.4TextRank算法TextRank是一种基于图的排序算法,主要用于关键词抽取和文档摘要。是在Google的PageRank算法上改进得到的,能够自动抽取文本的关键字。textRank算法的基本思想是将文档看成词的网络,网络中的词与词之间的链接表示的是词之间的语义关系。textRank算法直接对文本进行分割,过滤掉停用词,只保留指定词性的词构成节点集,然后采用共现关系得到关键词图,然后迭代传播各节点之间的权重,最后对得到的关键词进行倒序排序,得到最重要的几个关键词。2.5知识图谱知识图谱是人工智能的重要分支技术,是一种语义网络,可以看成是一种基于图的数据结构,能够将现实世界中的事物和事物间的关系可视化的展示出来。知识图谱主要为“实体”和“链接”构成,现在主要应用于搜索引擎和知识推荐,构建知识图谱的关键是关键词抽取,关系抽取和关系标注[2];通过构建出相应的知识图谱,进行知识融合,将不同领域的知识图谱融合形成一个知识网络,再利用建立的知识网络进行关系挖掘,可以分析得到不同事物之间的隐藏的关系。需求分析3.1功能概述本系统除了提供基本的登录注册功能和搜索功能外,创建了一个知识库,构建了自己的知识图谱,通过知识图谱和用户的学习习惯来构建用户的学习路径。3.2前端功能模块操作功能直接面对的是用户,用户对一个系统的满意程度不仅取决于这个系统的功能是否完善更取决于系统的页面是否美观。所以系统的页面设计我们一定要做的舒服美观。3.2.1登录模块图3.1用户登录流程图在登录页面中,在用户输入账号密码的时候会先进行格式验证,如果输入的格式没错的话,再通过post的方式将数据发到后端进行数据校验,如果在用户表中不存在该用户的信息则说明该用户还未完成注册或者是输入有误,这时系统会发出错误提示。在后面还会新增QQ、微信、邮箱的登录方式。只有登录成功用户才可以进入系统进行学习。我们通过axios做了token验证,如果用户还没登录直接通过网址进入系统的主页等其他页面,那么拦截器就会直接拦截跳转到登录页面。3.2.2注册模块图3.2用户注册流程图如果用户是第一次使用的话要先进行注册,注册要填写的的内容有账号,密码、邮箱和手机号码,手机号码和邮箱可以用来找回密码3.2.3搜索功能图3.3用户搜索流程图我们做了一个类似于百度的搜索页面,只要在搜索框中输入想要搜索的课程名字,点击搜索按钮之后就会通过API/api/search/searchByKeyWord进行post请求搜索,如果匹配成功,后台则会把搜索到的数据打包成JSON数据传送到前端页面,并展示详细信息。3.2.4可视化模块图3.4用户可视化展示流程图我们通过调查用户选择网课时所关注的关注要素制定了8个指标评判一个视频的质量,通过表格我们可以非常直观的看到这个视频的各个评分。在右边还会有一个雷达图来展示同一页视频资源各个指标的对比情况,除此之外我们还做了一个知识图谱来展示各个课程的知识点间的关系,可以直接用来构建学习路径。当点击视频页的表格或视频资源的名字的时候就会弹出抽屉,并通过API/api​/xuetang-video-course​/getVideoCourse​/{courseId}传入课程的ID,搜索课程图谱,并通过Echart的关系图展示出来。3.2.5个人中心在个人中心用户可以修改自己的个人信息,也可以看到自己学习画像,即已学习过的知识点,并且在此我们还实现了一个学习路径的推理。我们把学习过的知识点通过知识图谱连接起来,当两个已学习过的知识点之间不能直接连接起来我们就会去遍历数据库看他们是否能够通过中间节点连接起来,如果可以则连接起来,反之则不连。其中间节点则为未学习点,这样就可以直观的看到自己的学习网络和学习缺漏,可以帮助用户更好的掌握知识。3.3后台功能模块系统的后台功能主要是考虑系统的对信息的管理,主要分为个人信息模块,用户模块和课程模块。3.3.1用户模块用户模块主要是负责登录注册部分,实现对用户的查询和注册。3.3.2个人信息模块个人信息模块主要负责的是学习画像的构建是学习路径的推理和个人信息的修改。3.3.3课程模块课程模块主要是负责课程信息的管理,主要功能有课程查询和课程之间关系的构建。3.4系统的架构系统主要是采用前后端分离的方式进行开发,我主要负责的系统前端的开发工作。前端主要是采用Vue+ElementUI+Echarts的方式进行开发,Vue是一个轻量级的前端开发框架,采用Vue进行模块化开发,简化了开发流程,便于进行代码管理,再结合ElementUI进行开发,使得页面变得更加美观,符合用户的审美。Echarts是一个强大的可视化框架,我们利用其画出雷达图和关系图直观的展示了我们系统的核心内容。3.5数据库设计3.5.1用户表表-3.5用户表字段类型介绍备注user_idInt用户的唯一标识主键UsernameVarchar用户名称PasswordVarchar用户登录密码GenderChar性别用0/1进行男女的标识EmailVarchar用户邮箱PhoneVarchar用户电话号码IdenityVarchar用户身份createTimeDatetime记录创建时间loginVarchar是否已登录3.5.2慕课课程表表-3.5慕课课程表字段类型介绍备注idbigInt课程ID主键mooc_data_idVarchar慕课网上的IDcourse_nameVarchar课程名称course_decVarchar课程描述course_urlVarchar课程学习首页跳转链接teacher_idint教师Idteacher_nameVarchar教师名称chapter_numint课程小结数learn_numint学习人数like_numint喜欢人数learn_timeVarchar学习时间comprehensive_scoreVarchar综合评分3.5.3慕课章节表表-3.5慕课课程表字段类型介绍备注idbigInt章节ID主键mooc_course_idbigInt慕课网上课程IDcourse_idbigInt课程idchapter_nameVarchar章节名字sortint排序字段del_flagchar删除标志chapter_decVarchar章节描述create_timedatetime创建时间3.5.3慕课知识点表表-3.5慕课知识点表字段类型介绍备注idbigInt小节主键Id主键course_idbigInt课程IDchapter_idbigInt章节idsubsection_nameVarchar小节名字subsection_htmllongtext小节HTML内容subsection_urlVarchar小节URLdel_flagchar删除标志create_timedatetime创建时间sortint小节排序data_idVarcharmooc_id3.6可行性分析3.6.1经济可行性本系统开发是毕业设计,所以只需人员的投入及技术的投入即可,可以自行承担相应的费用,目前暂不考虑做推广,所以并不需要场地和人员培训等相关方面的资金投入。3.6.2技术可行性(1)本系统开发过程中用到的软件有IDEA、VScode和Navicat都已经非常普及,能够满足系统开发过程中的各种功能设计。(2)本系统开发成员从大二开始就开始跟着老师进行相关方面的研究,对本研究方向有着浓厚的兴趣,掌握有扎实的专业知识,具备协作完成系统的技术基础,具备将本系统实现的能力。(3)本人已阅读过大量关于知识图谱的相关文献与资料,能对知识图谱系统的设计、开发与利用具备较深层次的理解。3.6.3法律可行性本系统没有侵犯任何专利权与版权。主体功能全由系统成员自行实现,且本系统不用于商业盈利。平台的实现与测试4.1系统功能详细设计与实现系统分为前端与后端,前端的主要功能有登录、注册、知识点可视化和学习路径的个性化推荐。4.1.1登录功能图4.1登录页面用户在进入系统的时候系统会通过axios的token验证自动检测用户是否处于登录状态,如果用户还没有登录则会跳转到登录页面,在输入账号密码的时候会进行格式验证;如果格式不正确则弹出警告,如果输入的账号密码格式正确则会先匹配账号是否存在,如果账号在数据库中存在,则说明已注册,接着检查密码是否正确,如果密码正确则成功进入系统,并将用户信息放进session中,密码错误则发出错误提示信息。如果账号输入错误则会出现错误提示信息,提示用户进行注册。4.1.2注册功能图4.2注册页面用户如果是第一次使用本系统,那么就要先注册一个新账户,在登录页可以直接进入注册页,注册的信息需要填写用户名、密码、邮箱和手机号码,手机号码直接作为账号使用,邮箱可以用于找回密码,除此之外还需要上传一张照片作为头像,但这并不是强制性的,如果用户没有上传头像则使用默认的图片作为头像。用户注册完成后会自动跳转到登录页面,进行登录操作之后则可以进入本系统进行学习。4.1.3搜索功能图4.3搜索页面我们设计了一个简洁的搜索页面,只要在搜索框输入想要搜索课程的关键词就可以搜索得到想要的课程并跳转到详细的信息页面,除此之外我们还为本系统设计了一个专属的logo。图4.4搜索结果展示页面比如:当我们输入数据结构的时候系统就会自动搜索出相应的课程,并根据我们自定义的评分规则对视频进行排序,将综合评分最高的放在第一个,除此之外,我们还在右边对各个视频的信息进行对比并展示在雷达图上,可以非常直观的看出每个视频的对比情况。4.1.4可视化功能图4.5课程详细信息展示页面当用户点击了视频详细页的表格或者课程的名字的时候,就会在屏幕的右边弹出一个抽屉来展示视频的详细信息,并且会通过API/api/xuetang-video-course/getVideoCourse/{courseId}通过axios的get方法传入课程的id,获得课程图谱,并通过echart的关系图展示出来。为了让页面更加简洁漂亮,不会因为展示的知识点过多而显得杂乱无章,我们让页面初始化的时候只展示到课程的章节层,如果用户想要看每个章节包含什么知识点,那么就需要点击相应的章节。点击章节可以对知识点进行展开与折叠。图4.6知识图谱可视化页面4.1.5学习路径推荐功能图4.7课程内学习路径展示页面只要点击搜索结果展示页面中的学习路径按钮,系统就会通过API/api/xuetang-video-course/getVideoCourse/{courseId}获得课程的学习路径,并将获得的课程的学习路径通过弹窗页面利用Echart可视化展示。通过对章节进行关键字提取后得到的关键字进行知识融合,把关键字相似的章节合并就可以将不同的学习路径连接形成一个相互连接的知识点网络。图4.7学习路径展示页面用户只要每学习一个知识点系统就会自动的把已经学习过的知识点添加到用户的已学习库中,并且会去搜索新学习的知识点到之前已学习的知识点之间是否存在学习路径,如果没有则把刚学习的知识点加入到课程路径这个图中,并标以蓝色;如果存在学习路径,那么系统就会把这条学习路径展示出来,并且把这条路径上所有未学习的知识点用黄色标记,把已学过的知识点用深蓝色标记,我们就可以非常直观的看出如何将已经学过的知识点和未学习过的知识点一起构建成一个相互连接的知识网络,通过这种方式我们可以把知识点都串起来,模拟我们大脑储存知识的网状结构来记住知识点,使得用户掌握得更加牢固。不仅如此,我们还可以根据这个学习路径不断的深入学习,锻炼我们的开拓性思维,养成一些好的记忆方式和学习习惯。如果用户对接下来想学习的知识点不是很满意还可以双击知识点,这个时候系统会通过API/api/course/recommendByChapterId/{changechapterid}传入双击的知识点的ID,通过get方法得到与双击知识点的关键字相似的知识点,并将原本的知识点替换掉,替换的知识点是属于别的课程内的,通过这种方法我们就打破各个学科之间的知识壁垒,能够跨课程进行学习,将各个课程给连接起来。4.1.6后台管理功能(1)课程配置图4.8课程配置页面使用TextRank算法对课程的章节进行关键字提取,然后展示在后台管理页面的课程配置上,因为利用自动分词算法对章节的关键字提取会存在误差,为了提高提取的准确度,可以通过课程配置页面对章节提取出来的关键字进行手动更改。并且点击相应的章节之后会在章节下面显示出进行学习与评论分析的跳转链接,可以直接去学习和进行评论分析。(2)用户管理图4.9用户管理页面我们可以在后台管理页面管理用户信息,具备对用户的增删查改功能。4.2系统测试系统测试是保证一个系统是否能稳定运行的最后一道程序,通过对各个功能进行测试,将运行结果与预期结果进行对比,来分析系统是否满足设计要求。4.2.1功能测试功能测试指的是对系统的各项功能,输入测试用例,判断返回来的结果是否满足预期。本系统的功能测试主要包括登录注册功能、搜索功能、知识图谱可视化功能和学习路径推荐功能。注册登录功能表4.10注册登录测试表测试用例测试流程预期结果实际结果是否通过注册功能用户点击“快速注册”按钮进入注册页面并填写个人信息跳转到注册页面并展示出注册表,用户填完信号后点击注册跳转到登录页面跳转到注册页面并展示出注册表,用户填完信号后点击注册跳转到登录页面是登录用户填写好账号以及密码后点击“登录按钮”对账户信息进行预验证,如果信息格式正确则进行账号密码信息验证,如果信息正确则跳转到主页,如果信息填写错误则弹出相应的错误提示对账户信息进行预验证,如果信息格式正确则进行账号密码信息验证,如果信息正确则跳转到主页,如果信息填写错误则弹出相应的错误提示是首页功能测试表4.11首页功能测试表测试用例测试流程预期结果实际结果是否通过搜索功能用户在输入框输入搜索关键字,点击搜索按钮系统进行模糊匹配,并将匹配到的视频资源进行排序后输出系统进行模糊匹配,并将匹配到的视频资源进行排序后输出是雷达图可视化功能用户搜索后把同个页面的资源评判标准自动展示在雷达图上用户搜索后把同个页面的资源评判标准自动展示在雷达图上进行对比用户搜索后把同个页面的资源评判标准自动展示在雷达图上进行对比是展示详细数据点击课程的名字或者视频的图表在屏幕的右边弹出一个抽屉,里面展示详细的课程信息在屏幕的右边弹出一个抽屉,里面展示详细的课程信息是展示学习路径点击学习路径在屏幕中间弹出一个弹窗,弹窗里面展示本课程路径在屏幕中间弹出一个弹窗,弹窗里面展示本课程路径是展示课程图谱点击课程的名字或者视频信息中的图表通过get方法传入课程的id进行匹配得到章节信息并展示通过get方法传入课程的id进行匹配得到章节信息并展示是展示知识点点击课程图谱中的章节触发点击事件,将知识点加入到课程图谱中并连接触发点击事件,将知识点加入到课程图谱中并连接是(3)学习路径推荐功能表4.12学习路径推荐功能测试表测试用例测试流程预期结果实际结果是否通过将已学习的知识点加入个人学习历史中用户点击课程完成学习将学习过的知识点加入已学习库中将学习过的知识点加入已学习库中是学习路径规划功能学习过的知识点加入到学习库中之后自动匹配出学习路径系统自动完成学习路径的规划系统自动完成学习路径的规划是点击切换知识点双击知识点双击知识点之后系统自动切换知识点并完成连接双击知识点之后系统自动切换知识点并完成连接是4.2.2非功能性测试安全性测试非功能测试指的是对系统的安全性、可靠性、吞吐量等指标来判断这个系统的是否满足预期的要求。这个直接影响到用户的操作效率和使用体验。表4.12安全性测试表测试用例测试流程预期结果实际结果测试目的登录测试在登录页面中输入错误的账号以及密码进行格式验证和正确性验证,提醒用户账号或密码错误输入错误格式的账号密码和错误的账号密码都会有提示测试非系统用户登录是否可以成功响应速度测试表4.13响应速度测试表测试用例测试流程预期结果实际结果测试目的响应速度测试对系统得到各个功能进行响应速度测试,判断系统的响应速度各个功能都应该在1s内对用户的点击做出响应各个功能都在1s内对用户的点击做出了响应测试系统是否可以在短时间内对用户的点击做出反应4.3本章小结在本章展示了系统的实现成果和功能测试,确保本系统能稳定安全的运行,为用户带来更好的使用体验。第五章总结与展望本章主要是对本系统的一些工作总结,总结部分包括已完成的一些工作以及设计部分。在展望部分主要针对系统的不足以及后期的优化部分。5.1总结本系统采用前后端分离的方式进行开发,前端采用Vue+ElementUI+Echart的架构进行开发,提高了性能和开发效率。通过对文献的阅读和市场技术的调研,再结合自身所学知识,确保了本项目完成的可能性。通过对用户进行调研,确定了8个指标对视频资源进行考量。建立了相应的知识图谱库,实现了学习路径的构建,并且完成了对前端页面的设计与实现和与后端的连接。对各个功能进行测试,确保功能的可用性和系统的可靠性、稳定性、满足用户的需求。5.2研究展望目前只是基于网页端的开发,但是用户的设备多种多样,在移动端和小程序端用户越来越多的情况下,我们应该开发出不同的终端服务,以适应不同的使用场景。所以在后期我们可以考虑把系统移植到移动端,并且做适配。现在系统只实现了一种学习路径的规划,后期可以考虑把学习路径的个性化推荐进行扩张,实现多种学习路径的推荐,满足更多用户的需求。目前利用算法对知识点进行关键字提取的准确度不高,后序可以继续优化,提高关键字提取的准确度。参考文献ChenCM,PengCJ.Personalizede-learningsystembasedonontology-basedconceptmapgenerationscheme[C]//SeventhIEEEInternationalConferenceonAdvancedLearningTechnologies(ICALT2007).IEEE,2007:634-636.LeeJH,SegevA.Knowledgemapsfore-learning[J].Computers&Education,2012,59(2):353-364.ShiD,WangT,XingH,etal.Alearningpathrecommendationmodelbasedonamu

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论