基于个性化约束的多源异构学习路径规划方法

本发明公开了基于个性化约束的多源异构学习路径规划方法，解决现有技术中路径单一且数据静态化等问题，其包括：获取学习者的多源行为数据，特征建模，构建高维行为画像；根据高维行为画像，利用神经协同过滤算法预测学习者对任一知识点的兴趣与掌握概率，生成初步学习路径；采用认知诊断模型对学习者的知识掌握状态进行显性与隐性评估，对初步学习路径进行动态修正，得到修正后的学习路径；采用主成分分析算法对多源行为数据进行降维提取核心因子，形成路径优化的评价依据；构建多目标路径函数模型，结合修正后的学习路径和核心因子，采用多目标优化路径算法获得最优动态学习路径。本发明在学习路径规划技术领域具有很高的实用价值和推广价值。