论文部分内容阅读
近年来,随着互联网技术的飞速发展,远程教育事业也得到了蓬勃的发展,越来越多的人开始投身到远程教育学习的浪潮中来。在远程教育学习中,用户可以自主选择学习的内容、学习的时间以及学习的地点。这种教育方式突破了时空的界限,给学习者带来了极大的便利,但同时也存在着一系列的问题。远程教育的教师无法像传统教育的教师一样,对自己的学员有一个清楚的认识,从而无法对学习者进行个性化指导;另外,由于学员教育背景不同,自主性欠缺等原因,远程教育高辍学率的问题也越来越严重。同时,对当前远程教育用户的特征进行刻画,并鼓励更多的人参与到远程教育的学习中来也显得很有必要。本文以用户画像技术作为出发点,以西安电子科技大学网络与继续教育学院中的用户作为分析目标,通过数据挖掘技术,有效分析和挖掘用户学习过程中产生的海量数据,对用户进行个体画像和群体画像构建,最后将用户画像技术应用到远程教育学习平台中,为远程教育教师开展个性化教育、及时发现有辍学倾向的用户以及鼓励更多的人参与到远程教育学习中来提供帮助。论文的主要工作有:1、对远程教育、数据挖掘以及用户画像技术的国内外研究现状进行了介绍,并阐述了本文的研究背景,论述了用户画像技术在远程教育学习平台中的实际意义和用途。2、对数据挖掘技术和用户画像技术进行了研究,并从两个不同角度搭建了远程教育用户画像标签体系。3、对分类算法中的Logistic回归模型进行了深入研究,并构建了基于Logistic回归的远程教育用户辍学模型,同时对模型的正确性进行了验证。4、对K-Means算法进行了研究,同时针对K-Means算法中存在的不足,提出了一种改进的K-Means算法。通过对两种算法进行实验对比,结果表明改进后的K-Means算法具有更高的准确性。5、将用户画像技术应用到远程教育学习平台中,设计并实现了一个包含远程教育用户画像功能的学习系统。主要包括对学习平台进行设计开发,对用户基本数据和学习行为数据进行采集和存储,对数据进行预处理,以及基于Logistic回归模型和改进的K-Means算法对远程教育用户进行个体画像和群体画像构建。