Forschung zu Data Mining und Reinforcement Learning in Empfehlungssystemen

Dieses Papier zielt darauf ab, den Studierenden zu helfen, das erforderliche Fachwissen und die Kernkonzepte besser zu erfassen. Dieses Papier präsentiert eine Entwurfsmethode für eine mehrschichtige Wissensdatenbank basierend auf XML. Entsprechend den Identitätsmerkmalen und dem Lernverhalten der Lernenden wird, unter Verwendung der mathematischen Statistikmethoden, der Merkmalsausdruck für das Lernsystem konstruiert. Die Theorie der multiplen linearen Regression etabliert Konvergenzbeschränkungen für eine genaue und tiefgreifende Analyse. Die durchschnittlichen Erkennungsergebnisse der gesammelten Proben werden für hochwertiges, tiefes Mining von Benutzerporträts im Lernsystem verwendet. Dieses Projekt beabsichtigt, die Methode zur Lösung genauer Konfidenzintervalle für Benutzerdaten im Bildungssystem zu untersuchen. Excel und Access werden verwendet, um die Datensammlung des Lehrobjekts und den Aufbau der Datenbank abzuschließen. Eine multimodale interaktive Bearbeitungs- und Verarbeitungsmethode für Benutzerporträtinformationen in Bildungssystemen wird im Cloud Computing erforscht. Schließlich wird ein Lernsystem basierend auf dem mathematischen Ladeverfahren vorgeschlagen, und ein objektorientiertes Lernempfehlungssystem wird entworfen. Die entwickelte Lehrsoftware kann den Studierenden ermöglichen, mehr Lehranleitungen zu erhalten, wenn sie das erforderliche Wissen erwerben, um den Lerneffekt der Studierenden effektiv zu verbessern.