基于知识图谱个性化学习推荐系统的研究与实现
孙嘉琦
知识图谱技术通过搭建知识库内容框架将知识库里
的资源挂靠在知识节点上,从而更好的对知识库中的资源以及甚知识点进行更高效的利用。在挂靠到知识点后，通过自适应学习的方式来指导学生下一步的学习内容。
知识图谱构建是指用相应的技术从结构化数据、半结构化数据、非结构化的数据之中提取出知识,并使用数据库存储的过程。知识图谱是一个更新迭代的过程,每一个次的更新迭代。
存储在数据库中的数据
归类为结构化数据、存储在网络结构中的数据归类为半结构化数据、对于音频、视频、书本这类数据归类为非结构化数据。
基于用户的协同过滤算法主要包括以下几个步骤。
（1）使用相似度计算方法，找到和目标用户相似的用户的集合。
（2）在相似的用户集合中去除用户购买过的物品，将相似用户余下购买的物品推荐给目标用户。
需求分析，总体设计，关键技术
关键技术：
数据源获取：使用 scrapy 框架从百度百科、豆瓣读书网页获取课程的相关资源信息。主要爬取教材的目录以及里面链接的页面，爬取相关信息生成 csv 的格式。从现有的数据库中导出人工智能导论的相关试题。
抽取关键字：TF-IDF 算法在本系统中主要用来判断知识点关键字对于获取资源的重要程度。
抽取实体关系：每个知识点与知识点相互之间存在着各种关系属性，本文中主要使用了相关性与后继性两种关系属性。