高校数字图书馆嵌入式移动学习模型构建

作者：汤松梅

来源：北华大学学报(社会科学版), 2023, 24(04): 139-156.

DOI：10.19669/j.issn.1009-5101.2023.04.015

• 高校数字图书馆
• 嵌入式移动学习
• 数据降维
• 数据特征提取
• 智能学习

移动学习作为一种新型学习方式，与高校数字图书馆相结合，可为学生带来更为高效、智能的学习，也是智能学习领域重点研究内容。现阶段的高校数字图书馆嵌入式移动学习存在智能化不足、信息获取速度慢等问题，为了解决移动学习中存在的问题，构建了高校数字图书馆嵌入式移动学习模型。首先，构建基于文本概念的文本表示模型，解决向量空间模型的同义词的识别问题，并结合Jaro-Winkler算法，计算标签之间的相似性，降低文本的相似程度，提高学生的学习效率。其次，利用LLE算法降维获取的高校用户数据；通过改正正则化估计方法提取高校用户数据特征，完成用户相似度的计算，最后，基于协同过滤技术完成嵌入式移动学习模型的构建。实验结果表明，高校数字图书馆嵌入式移动学习模型推送效果与学生需求更匹配、性能更好，具有较高的实际应用价值。