Simulação da mineração de regras de associação baseada em redes de sensores em um sistema de recomendação de aprendizado de língua chinesa para estudantes universitários

Com base nas crescentes necessidades de aprendizado dos estudantes que não podem ser atendidas pela educação tradicional nas escolas, o uso de plataformas de aprendizado online tornou-se uma forma de muitos estudantes universitários aprenderem chinês, melhorando assim seu desempenho acadêmico e literário. No entanto, atualmente é difícil garantir a qualidade do serviço das plataformas online para aprendizado de chinês, portanto este artigo propõe um algoritmo de mineração de regras de associação para fortalecer o aprendizado online de chinês. Usamos a qualidade do serviço do usuário como uma restrição para melhorar a utilização do espectro e a eficiência energética, definindo o espaço de estado do usuário, emprestando a função de otimização de alocação de recursos obtida para recompensar uma pequena parte dos custos de comunicação dos usuários, obtendo por fim informações sobre o espaço de estado do usuário e dados do espaço de estado unidimensional. Este algoritmo realiza operações de agrupamento nos dados estimados por uma grande quantidade de cálculos e divide os dados em categorias balanceadas para reduzir a quantidade de dados de entrada na rede. Os resultados dos testes de desempenho mostram que este trabalho fez um grande avanço na personalização do aprendizado de chinês, tendo um desempenho excepcional no processamento e classificação de Big data. Também há algumas soluções para o problema do excesso de dados existentes. Em um relatório de análise da experiência de uso, descobrimos que a plataforma online para aprendizado de chinês pode levar em consideração as necessidades e a experiência personalizadas dos estudantes.