机构名称：
¥ 1.0
摘要 - 近年来，在线教育平台已经迅速增长，吸引了越来越多的学生进入数字学习环境。在在线教育中，学习者可以选择学习内容并更加自由地计划自己的学习路径。尽管在线教育平台为学习者提供了高度的自由度，但它减少了学习者的学习指南，这导致了诸如“信息超负荷”和“知识损失”之类的问题。主要的表现是学习者不知道如何计划学习路径，从而导致学习效率降低和学习效果不佳。为了应对这些挑战，本文提出了一种基于强化学习RLLP的学习路径建议算法。RLLP模型考虑了学习者的学习目标，知识水平以及知识点之间的关系。同时，它还考虑了学习路径和学习者的参与度的平稳性，旨在向学习者推荐高效且明智的学习路径。广泛的实验结果证明了RLLP模型的有效性。
学习路径推荐基于强化...
主要关键词
相关文件推荐
