传统的虚拟维修训练系统对所有学员一视同仁,无视学员的个体差异。在虚拟维修训练系统中使用自适应学习不仅可以跨越空间距离,而且还能实现“因材施教”,提高了学员的学习效率和学习质量。自适应学习系统可以看作是一种推荐系统,完成“知识”到“学员”的映射,其研究内容涉及学生模型、领域知识模型、推荐策略、自适应测试。而本文主要做了以下研究:本文提出了基于随机森林的术语提取算法和基于机数据挖掘的关系提取算法来构建机械领域知识模型。以教科书等电子资源输入,提取TF-IDF、位置、词性等特征,分别训练单词、两词、三词的随机森林分类模型,完成机械工程术语提取。而基于数据挖掘的关系提取算法包括基于拓扑关系的依赖关系提取算法和基于Apriori的关联关系提取算法,分别完成“前驱-后继”关系和关联关系提取,并通过章节的划分确定术语的类别关系。经过试验验证,随机森林的术语提取算法比单一 TF-IDF、决策树方法表现更好,准确率、召回率、F1值分别达到0.51、0.53、0.52;基于数据挖掘的关系提取算法提取“前驱-后继”关系的准确率、召回率、F1值分别达到0.88、0.93、0.904,还能提取出一定数量的关联关系。本文提出了基于知识图和机器学习的内容导航算法。在“冷启动”时,本算法比对领域知识图和学员知识图发现知识缺陷,进而拓展边界节点、纠正错误节点、复习先驱节点,实现机械工程内容导航;随着数据的增多,使用基于人口统计学和协同过滤的推荐算法,根据学员模型、学员的学习记录实现内容导航。经过6名同学的学习反馈,本文的内容导航算法能够提高学生的学习效率和质量。本文实现了基于认知诊断模型的自适应测试算法。本算法并综合考虑学员的知识掌握水平、题目属性等求取测试题目的最优值,从而实现学员的自适应测试。经过试验验证,本文使用的认知诊断模型能够快速发现学员的薄弱点,实现知识结构诊断。