基于认知诊断的C语言试题推荐系统研究开题报告

课题名称	基于认知诊断的C语言试题推荐系统研究
课题来源		课题类型	C	导 师
学生姓名		学 号		专 业
课题涉及的专业领域复杂工程问题：（包括对问题的凝练和解读） 本课题主要完成基于认知诊断的C语言试题推荐系统研究，系统实现过程中，结合认知诊断模型、奇异值分解方法 (SVD) 和近邻模型来研究个性化学习领域下学生评分矩阵 R 的预测以及题目推荐等，通过设计基于 SVD 的协同过滤算法, 大大减轻了传统协同过滤算法的可扩展性和稀疏性问题，在此项目中，将结合认知诊断模型中对于学习者的知识点掌握情况，与推荐算法中的协同过滤算法一道，对相似表现情况的学习者进行相似度分析，并根据相似学习者之间的知识点掌握情况来对另一相似学习者作出试题推荐。在设计实现过程中，采用python的TF-IDF等技术进行解决。
开题报告内容：（调研资料的准备，设计目的、要求、思路与预期成果；任务完成的阶段内容及时间安排；完成设计（论文）所具备的条件因素等。） 一、调研资料准备： 根据任务的要求，对基于认知诊断的C语言试题推荐系统研究进行了充分的调研和分析，目前已经阅读了大量与系统研发知识和技术相关的参考文献和资料，部分重要文献如下： 齐斌,邹红霞,王宇,李冀兴.基于协同过滤和认知诊断的试题推荐方法[J].计算机科学,2019,46(11):235-240. 朱天宇. 结合认知诊断方法的学生建模与应用研究[D].中国科学技术大学,2018. 单瑞婷,罗益承,孙翼.基于认知诊断的协同过滤试题推荐[J].计算机系统应用,2018,27(03):136-142. Teke, Hrishikesh Ashok.An Intelligent Recommendation System[D].ProQuest Dissertations and Theses Full-text Search Platform,2018. 设计目的、要求、思路与预期成果： 1.设计目的：实现基于认知诊断的C语言试题推荐系统研究。 2.要求：通过此次毕业设计，了解推荐系统中基于矩阵分解的协同过滤算法推荐方法，了解认知诊断中DINA模型，知识点相关度处理以及排序学习推荐算法。 3.思路：使用推荐算法，然后通过python编程将试题推荐过程实现。 4.预期成果：实现C语言试题推荐系统，达到题目的要求。 三、任务完成阶段内容及时间安排： 1．调研及开题阶段：    第4周     2．需求分析阶段：　　　第5周 　  3．开发阶段：　　　　　第6-10周     4．测试阶段：          第11周 　  5．撰写阶段：　　　　　第12-14周     6．答辩阶段：          第15周 四、完成毕业设计所具备的条件 1.目前对基于认知诊断的C语言试题推荐系统研究的前期调研已经很充分； 2.目前对基于基于认知诊断的C语言试题推荐系统研究的设计目的、要求和思路已经明确； 3.毕业设计所需要的软件、硬件环境已经具备，已经配置完善。