基于協(xié)同過濾算法的課程資源推薦系統(tǒng)設(shè)計(jì)

摘要：基于協(xié)同過濾算法的課程資源推薦系統(tǒng)由三個(gè)核心模塊構(gòu)成：數(shù)據(jù)采集及清洗模塊、算法實(shí)現(xiàn)模塊和推薦結(jié)果展示模塊。數(shù)據(jù)采集及清洗模塊從多個(gè)數(shù)據(jù)源中收集課程資源數(shù)據(jù)，并通過一系列清洗步驟確保數(shù)據(jù)的準(zhǔn)確性和一致性，為后續(xù)的分析和推薦提供可靠的數(shù)據(jù)基礎(chǔ)。算法實(shí)現(xiàn)模塊是系統(tǒng)的核心，采用協(xié)同過濾算法對(duì)用戶行為數(shù)據(jù)進(jìn)行分析，挖掘用戶興趣偏好，從而為用戶生成個(gè)性化的課程資源推薦列表。推薦結(jié)果展示模塊則以用戶友好的方式展示推薦結(jié)果，允許用戶瀏覽、篩選和查看課程詳情。通過三個(gè)模塊的協(xié)同工作，實(shí)現(xiàn)了對(duì)課程資源的個(gè)性化推薦，為用戶提供了便捷、高效的學(xué)習(xí)體驗(yàn)。

關(guān)鍵詞：協(xié)同過濾；算法；課程；資源；推薦系統(tǒng)

中圖分類號(hào)：TP311文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2024）35-0070-04開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

0引言

隨著教育數(shù)字化的發(fā)展，網(wǎng)絡(luò)上的課程資源日益豐富，各級(jí)各類學(xué)校及教育機(jī)構(gòu)都建立了課程資源中心，為學(xué)習(xí)者提供了廣泛的學(xué)習(xí)選擇。面對(duì)海量的課程資源，如何幫助學(xué)習(xí)者快速、準(zhǔn)確地找到符合其個(gè)性化需求的課程，成為一個(gè)亟待解決的問題。

協(xié)同過濾[1]是一種在推薦系統(tǒng)中廣泛應(yīng)用的算法，其基本原理是通過分析用戶的歷史行為、偏好以及與其他用戶或物品的相似度，來預(yù)測(cè)用戶可能感興趣的內(nèi)容，并據(jù)此生成個(gè)性化的推薦。協(xié)同過濾算法具有簡(jiǎn)單有效、易于實(shí)現(xiàn)和可擴(kuò)展性強(qiáng)的特點(diǎn)[2]，因此在許多領(lǐng)域得到了廣泛應(yīng)用。

在教育領(lǐng)域，協(xié)同過濾算法同樣具有巨大的應(yīng)用潛力。通過收集學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)，如課程瀏覽記錄、評(píng)分、評(píng)論等，可以構(gòu)建學(xué)習(xí)者的個(gè)性化模型。利用協(xié)同過濾算法，可以根據(jù)學(xué)習(xí)者的個(gè)性化模型，從海量的課程資源中篩選出符合其興趣和學(xué)習(xí)需求的課程，并推薦給學(xué)習(xí)者。這種個(gè)性化的推薦方式不僅可以提高學(xué)習(xí)者的學(xué)習(xí)效率，還可以增強(qiáng)其學(xué)習(xí)體驗(yàn)，進(jìn)而促進(jìn)學(xué)習(xí)者的持續(xù)學(xué)習(xí)和成長。

本文旨在設(shè)計(jì)一種基于協(xié)同過濾算法的課程資源推薦系統(tǒng)。該系統(tǒng)將利用學(xué)習(xí)者的歷史行為數(shù)據(jù)和課程資源信息，通過協(xié)同過濾算法為學(xué)習(xí)者提供個(gè)性化的課程推薦服務(wù)。通過該系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)，期望能夠解決學(xué)習(xí)者在海量課程資源中快速找到合適課程的問題，提高學(xué)習(xí)者的學(xué)習(xí)效率和體驗(yàn)，同時(shí)也有助于促進(jìn)網(wǎng)絡(luò)教育資源的有效利用和共享。

1系統(tǒng)總體框架

1.1系統(tǒng)目標(biāo)

系統(tǒng)的設(shè)計(jì)目標(biāo)為實(shí)現(xiàn)智能、高效、個(gè)性化的推薦，旨在通過應(yīng)用協(xié)同過濾算法，幫助學(xué)習(xí)者在海量課程資源中快速找到符合其個(gè)性化需求和興趣的課程。深入分析學(xué)習(xí)者的歷史行為數(shù)據(jù)、興趣偏好、學(xué)習(xí)進(jìn)度等信息，利用協(xié)同過濾算法為每位學(xué)習(xí)者提供精準(zhǔn)的課程推薦，確保推薦結(jié)果能夠準(zhǔn)確反映學(xué)習(xí)者的個(gè)性化需求，幫助學(xué)習(xí)者發(fā)現(xiàn)與其興趣、學(xué)習(xí)目標(biāo)和能力相匹配的課程。通過個(gè)性化推薦，減少學(xué)習(xí)者在搜索和篩選課程時(shí)的時(shí)間和精力消耗，學(xué)習(xí)者能夠更快地找到所需的課程資源；提高課程資源的曝光率和利用率，更多優(yōu)質(zhì)課程能夠被學(xué)習(xí)者發(fā)現(xiàn)和利用，為課程資源的生產(chǎn)者提供數(shù)據(jù)支持，幫助他們了解學(xué)習(xí)者需求，優(yōu)化課程設(shè)計(jì)，提高課程質(zhì)量。

1.2系統(tǒng)框架

基于協(xié)同過濾算法的課程資源推薦系統(tǒng)，其總體框架設(shè)計(jì)主要包括數(shù)據(jù)采集及清洗模塊、算法實(shí)現(xiàn)模塊和推薦結(jié)果展示模塊三個(gè)部分，如圖1所示。

數(shù)據(jù)采集及清洗模塊負(fù)責(zé)采集課程資源的相關(guān)數(shù)據(jù)，包括課程名稱、簡(jiǎn)介、標(biāo)簽、評(píng)分、用戶評(píng)論等，采集到的原始數(shù)據(jù)需要進(jìn)行清洗，以去除重復(fù)、無效或噪聲數(shù)據(jù)，確保數(shù)據(jù)的準(zhǔn)確性和可靠性。算法實(shí)現(xiàn)模塊作為系統(tǒng)的核心，采用協(xié)同過濾算法來處理清洗后的數(shù)據(jù)。基于用戶的協(xié)同過濾通過分析用戶的歷史行為和其他用戶的行為模式，找出相似的用戶群體，從而預(yù)測(cè)用戶對(duì)課程資源的喜好程度。而基于課程的協(xié)同過濾則是通過分析課程資源間的相似性，進(jìn)而為用戶推薦相似度高的課程資源。該模塊還用于計(jì)算用戶或課程資源之間的相似度，確定推薦權(quán)重，生成推薦列表。推薦結(jié)果展示模塊將算法生成的推薦結(jié)果以用戶友好的方式呈現(xiàn)給用戶。展示形式可以包括列表、卡片等，同時(shí)結(jié)合課程的詳細(xì)信息、評(píng)分、用戶評(píng)論等，幫助用戶更全面地了解推薦結(jié)果。此外，模塊還提供用戶反饋機(jī)制，收集用戶對(duì)推薦結(jié)果的滿意度、點(diǎn)擊率等信息，為算法的持續(xù)優(yōu)化提供數(shù)據(jù)支持。第2至第4章節(jié)將詳細(xì)闡述各模塊構(gòu)建機(jī)制。

2數(shù)據(jù)采集及清洗模塊設(shè)計(jì)

2.1數(shù)據(jù)采集模塊設(shè)計(jì)

2.1.1數(shù)據(jù)收集目標(biāo)

數(shù)據(jù)收集對(duì)象包括用戶數(shù)據(jù)及課程資源數(shù)據(jù)。用戶數(shù)據(jù)主要指捕獲用戶的個(gè)性化信息，包括用戶的基本屬性（如用戶ID、姓名、年齡、性別、學(xué)習(xí)背景等）以及用戶的行為數(shù)據(jù)（如登錄時(shí)間、瀏覽記錄、學(xué)習(xí)記錄、評(píng)分和評(píng)論等）。課程資源數(shù)據(jù)指的是收集課程資源的詳細(xì)信息，包括課程ID、課程名稱、課程描述、關(guān)鍵詞、難度等級(jí)、適用人群、類別、標(biāo)簽、授課教師、學(xué)習(xí)時(shí)長等。

2.1.2數(shù)據(jù)收集方法

數(shù)據(jù)收集的對(duì)象分為用戶及課程。用戶數(shù)據(jù)收集可采用顯式收集及隱式收集兩種方式，顯式收集通過用戶注冊(cè)、問卷調(diào)查等方式直接獲取用戶的基本信息；隱式收集：通過用戶與系統(tǒng)的交互（如瀏覽、點(diǎn)擊、購買、評(píng)分等）行為來捕獲用戶的興趣偏好。

課程資源數(shù)據(jù)收集可采用課程上傳及用戶評(píng)價(jià)的方式，課程上傳允許課程提供者上傳課程的基本信息和詳細(xì)描述；用戶評(píng)價(jià)收集用戶對(duì)課程的評(píng)分和評(píng)論，作為課程質(zhì)量的重要參考。

2.1.3數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)

用戶及課程資源中的結(jié)構(gòu)化數(shù)據(jù)可以采用用戶數(shù)據(jù)庫和課程資源數(shù)據(jù)庫分別存儲(chǔ)。用戶數(shù)據(jù)庫存儲(chǔ)用戶的基本信息和行為數(shù)據(jù)，包括用戶表（用戶ID、姓名、年齡、性別等）、用戶行為表（用戶ID、行為類型、行為時(shí)間、行為對(duì)象等）；課程資源數(shù)據(jù)庫存儲(chǔ)課程資源的詳細(xì)信息，通常包括課程表（課程ID、課程名稱、課程描述、關(guān)鍵詞等）、課程屬性表（課程ID、難度等級(jí)、適用人群、類別等）、用戶評(píng)價(jià)表（課程ID、用戶ID、評(píng)分、評(píng)論等）。

應(yīng)根據(jù)數(shù)據(jù)特點(diǎn)和業(yè)務(wù)需求設(shè)計(jì)合理的數(shù)據(jù)庫表結(jié)構(gòu)和索引策略，制定數(shù)據(jù)備份策略，確保數(shù)據(jù)安全；同時(shí)設(shè)計(jì)數(shù)據(jù)恢復(fù)流程，以應(yīng)對(duì)可能的數(shù)據(jù)丟失風(fēng)險(xiǎn)。

2.2數(shù)據(jù)清洗模塊設(shè)計(jì)

數(shù)據(jù)清洗模塊針對(duì)重復(fù)數(shù)據(jù)、異常數(shù)據(jù)等進(jìn)行清洗轉(zhuǎn)換，為后續(xù)算法分析模塊模型提供數(shù)據(jù)支撐。

2.2.1數(shù)據(jù)去重及異常值處理

去除重復(fù)數(shù)據(jù)，確保同一課程或用戶信息只被記錄一次，數(shù)據(jù)庫中不存在重復(fù)的用戶或課程資源信息。對(duì)于缺失值，根據(jù)業(yè)務(wù)邏輯填充（如使用平均值、中位數(shù)、眾數(shù)等）或刪除缺失值過多的記錄。此外還應(yīng)進(jìn)行異常值檢測(cè)與處理，識(shí)別并處理評(píng)分異常、學(xué)習(xí)時(shí)長異常等。

2.2.2數(shù)據(jù)整理

對(duì)數(shù)據(jù)進(jìn)行整理，標(biāo)準(zhǔn)化課程信息，確保課程標(biāo)題、描述、標(biāo)簽等信息的格式統(tǒng)一。對(duì)用戶行為進(jìn)行數(shù)據(jù)整合，將用戶的學(xué)習(xí)歷史、評(píng)分記錄等整合成統(tǒng)一的格式，便于后續(xù)分析。

2.2.3數(shù)據(jù)轉(zhuǎn)換

構(gòu)建用戶課程評(píng)分矩陣，將用戶對(duì)每個(gè)課程的評(píng)分整理成矩陣形式，便于協(xié)同過濾算法計(jì)算相似度。進(jìn)行特征提取，從課程信息和用戶行為數(shù)據(jù)中提取有用特征，如課程難度、用戶學(xué)習(xí)偏好等。對(duì)特征進(jìn)行編碼，將文本特征（如課程標(biāo)簽、用戶描述等）轉(zhuǎn)換為數(shù)值特征，便于算法處理。

2.2.4數(shù)據(jù)質(zhì)量監(jiān)控及維護(hù)更新

定期檢查數(shù)據(jù)質(zhì)量，通過統(tǒng)計(jì)指標(biāo)（如數(shù)據(jù)完整性、準(zhǔn)確性、一致性等）定期評(píng)估數(shù)據(jù)質(zhì)量。對(duì)異常數(shù)據(jù)實(shí)時(shí)監(jiān)控，設(shè)置異常數(shù)據(jù)閾值，當(dāng)異常數(shù)據(jù)達(dá)到閾值時(shí)觸發(fā)警報(bào)，以便及時(shí)處理。

制定數(shù)據(jù)更新策略，確保新收集的數(shù)據(jù)能夠及時(shí)添加到系統(tǒng)中，定期清理過期數(shù)據(jù)、優(yōu)化數(shù)據(jù)庫性能等。優(yōu)化數(shù)據(jù)處理流程，通過并行處理、批處理等方式提高數(shù)據(jù)處理效率。使用緩存技術(shù)：減少數(shù)據(jù)庫查詢次數(shù)，提高系統(tǒng)響應(yīng)速度。

2.2.5與其他模塊的交互

與算法模塊交互，為算法模塊提供高質(zhì)量的輸入數(shù)據(jù)，并接收算法模塊的輸出結(jié)果。與前端模塊交互，根據(jù)前端需求提供數(shù)據(jù)支持，如課程列表、用戶推薦列表等。

3算法實(shí)現(xiàn)模塊設(shè)計(jì)

算法實(shí)現(xiàn)包含兩種協(xié)同過濾類型：基于用戶的協(xié)同過濾模塊和基于課程的協(xié)同過濾模塊[3]。以下是對(duì)算法實(shí)現(xiàn)模塊的詳細(xì)概述。

3.1數(shù)據(jù)準(zhǔn)備

1）數(shù)據(jù)加載，從數(shù)據(jù)存儲(chǔ)模塊中加載清洗、整理、轉(zhuǎn)換后的用戶評(píng)分?jǐn)?shù)據(jù)和其他相關(guān)數(shù)據(jù)。

2）數(shù)據(jù)表示，將數(shù)據(jù)表示為用戶物品評(píng)分矩陣或稀疏矩陣，因?yàn)榇蟛糠钟脩糁粫?huì)對(duì)少量課程進(jìn)行評(píng)價(jià)。

3.2基于用戶的協(xié)同過濾

基于用戶的協(xié)同過濾，通過計(jì)算用戶之間的相似度，找到與目標(biāo)用戶興趣相似的其他用戶，然后根據(jù)這些相似用戶的偏好為目標(biāo)用戶推薦課程。

3.2.1相似度計(jì)算

使用皮爾遜相關(guān)系數(shù)、余弦相似度或Jaccard相似度等方法計(jì)算用戶之間的相似度[4]，這里采用的是皮爾遜相關(guān)系數(shù)，如式（1）所示，sim（u，v）表示用戶u與用戶v間的相似程度，rui表示用戶u對(duì)課程資源i的評(píng)分，rvi表示用戶v對(duì)課程資源i的評(píng)分，-ru表示用戶u的平均評(píng)分，-rv表示用戶v的平均評(píng)分。

相似度計(jì)算完成后，構(gòu)建用戶相似度矩陣，將所有用戶的相似度計(jì)算結(jié)果存儲(chǔ)起來，便于后續(xù)推薦。

3.2.2生成推薦

找到目標(biāo)用戶的相似用戶，根據(jù)用戶相似度矩陣，找到與目標(biāo)用戶最相似的K個(gè)用戶；計(jì)算推薦分?jǐn)?shù)，根據(jù)相似用戶的評(píng)分，為目標(biāo)用戶未評(píng)價(jià)的課程計(jì)算推薦分?jǐn)?shù)；將計(jì)算得到的推薦分?jǐn)?shù)按降序排列，并篩選出前N項(xiàng)課程作為推薦結(jié)果。

基于用戶的協(xié)同過濾推薦算法偽代碼流程：

第一步：輸入

-用戶-項(xiàng)目評(píng)分矩陣R（mxn），其中m是用戶數(shù)，n是項(xiàng)目數(shù)

-目標(biāo)用戶ｕ

-推薦項(xiàng)目數(shù)

第二步：初始化

-用戶相似度矩陣Ｓ（ｍxｍ），初始值為０

-"目標(biāo)用戶"u"的相似用戶列表SimilarU"sers，初始為空

-""目標(biāo)用戶"u"的推薦項(xiàng)目列表Recommende?dItems，初始為空

第三步：計(jì)算用戶相似度

for每個(gè)用戶iin用戶集合：

for每個(gè)用戶jin用戶集合：

ifi！=j：

3.3基于物品的協(xié)同過濾

基于物品的協(xié)同過濾，通過分析用戶對(duì)不同課程的評(píng)分或偏好，計(jì)算課程之間的相似度，然后為目標(biāo)用戶推薦與其已喜歡課程相似的其他課程。

3.3.1相似度計(jì)算

計(jì)算課程間的相似度，同樣可以使用皮爾遜相關(guān)系數(shù)、余弦相似度等方法計(jì)算課程之間的相似度，進(jìn)而構(gòu)建物品相似度矩陣：將所有課程的相似度計(jì)算結(jié)果存儲(chǔ)起來。

3.3.2生成推薦

找到目標(biāo)用戶已評(píng)價(jià)物品：從用戶評(píng)分?jǐn)?shù)據(jù)中找出目標(biāo)用戶已評(píng)價(jià)的課程，根據(jù)用戶已評(píng)價(jià)課程的評(píng)分和課程的相似度，為目標(biāo)用戶未評(píng)價(jià)的課程計(jì)算推薦分?jǐn)?shù)，將計(jì)算得到的推薦分?jǐn)?shù)按降序排列，并篩選出前N個(gè)課程作為推薦結(jié)果。

基于物品的協(xié)同過濾推薦算法偽代碼流程：

第一步：輸入

-用戶-物品評(píng)分矩陣R（mxn），其中m是用戶數(shù)，n是物品數(shù)

第四步（可選）：對(duì)物品相似度矩陣S進(jìn)行處理，去除對(duì)角線上的值，或者只保留前K個(gè)最相似的物品

第五步：為目標(biāo)用戶u生成推薦

3.4算法優(yōu)化

推薦系統(tǒng)可能遇到冷啟動(dòng)、數(shù)據(jù)稀疏等問題。針對(duì)新用戶或新課程，可以考慮引入內(nèi)容推薦、混合推薦等方法來緩解冷啟動(dòng)問題[5]。面對(duì)數(shù)據(jù)稀疏性問題，可以使用矩陣分解等方法來降低數(shù)據(jù)稀疏性的影響[6]。在推薦系統(tǒng)性能方面，針對(duì)大規(guī)模數(shù)據(jù)集，可以使用分布式計(jì)算框架[7]（如Spark）來提高算法的執(zhí)行效率。

3.5評(píng)估與反饋

使用準(zhǔn)確率、召回率、F1值、AUC等指標(biāo)[8]來評(píng)估推薦算法的效果。在實(shí)際系統(tǒng)中進(jìn)行A/B測(cè)試[9]，比較不同推薦算法或參數(shù)設(shè)置下的效果，同時(shí)收集用戶對(duì)推薦結(jié)果的反饋，用于進(jìn)一步優(yōu)化推薦算法。

3.6與其他模塊的交互

1）與數(shù)據(jù)處理模塊交互，接收清洗、整理、轉(zhuǎn)換后的數(shù)據(jù)，并返回推薦結(jié)果給前端展示。

2）與前端模塊交互，接收前端發(fā)送的推薦請(qǐng)求，并返回相應(yīng)的推薦結(jié)果。

3）與存儲(chǔ)模塊交互，在需要時(shí)從存儲(chǔ)模塊中加載數(shù)據(jù)，或?qū)⒔Y(jié)果存儲(chǔ)到存儲(chǔ)模塊中。

4推薦結(jié)果展示模塊

推薦結(jié)果展示模塊將算法模塊生成的推薦結(jié)果以可視化的方式展示給用戶。在基于協(xié)同過濾算法的課程資源推薦系統(tǒng)中，推薦結(jié)果展示模塊是用戶與系統(tǒng)直接交互的關(guān)鍵部分，該模塊以用戶友好的方式展示推薦結(jié)果，確保用戶能夠多維度瀏覽推薦的課程資源。

4.1用戶界面設(shè)計(jì)

用戶界面設(shè)計(jì)應(yīng)直觀簡(jiǎn)潔，設(shè)計(jì)簡(jiǎn)潔明了的用戶界面，避免過多的復(fù)雜元素，以便用戶能夠快速定位到推薦結(jié)果[10]。此外還可以根據(jù)用戶的偏好和習(xí)慣，提供個(gè)性化的界面布局和顏色主題。

4.2推薦結(jié)果展示

將推薦結(jié)果以列表的形式展示給用戶，每個(gè)列表項(xiàng)代表一類推薦的課程資源，在列表項(xiàng)中展示課程資源的詳細(xì)信息，如課程名稱、封面圖片、簡(jiǎn)短描述、評(píng)分等。推薦結(jié)果應(yīng)提供多種排序方式，如按推薦分?jǐn)?shù)、按最新發(fā)布、按用戶評(píng)價(jià)數(shù)量等，以便用戶按自己的需求查看推薦結(jié)果。

4.3交互設(shè)計(jì)

為用戶提供查看課程資源詳細(xì)信息的入口，如點(diǎn)擊列表項(xiàng)進(jìn)入課程詳情頁，允許用戶根據(jù)特定的篩選條件（如課程類型、難度等）來過濾推薦結(jié)果。交互設(shè)計(jì)應(yīng)提供反饋機(jī)制，在推薦結(jié)果旁邊提供用戶反饋按鈕，如喜歡、不喜歡、不感興趣等，通過收集和分析用戶在推薦結(jié)果展示模塊的行為數(shù)據(jù)，了解用戶偏好和使用習(xí)慣，以便進(jìn)一步優(yōu)化推薦算法和界面設(shè)計(jì)。

5結(jié)束語

協(xié)同過濾算法可應(yīng)用于教育資源推薦體系構(gòu)建?；趨f(xié)同過濾算法的課程資源推薦系統(tǒng)通過數(shù)據(jù)采集及清洗模塊、算法實(shí)現(xiàn)模塊和推薦結(jié)果展示模塊的設(shè)計(jì)與實(shí)施，可以為用戶提供了個(gè)性化的課程資源推薦服務(wù)。數(shù)據(jù)采集及清洗模塊確保了數(shù)據(jù)的質(zhì)量和準(zhǔn)確性，為算法提供了可靠的數(shù)據(jù)基礎(chǔ)。算法實(shí)現(xiàn)模塊通過協(xié)同過濾算法，有效地挖掘了用戶與課程資源之間的潛在關(guān)聯(lián)，為用戶提供了高質(zhì)量的推薦結(jié)果。推薦結(jié)果展示模塊以用戶友好的方式呈現(xiàn)了推薦結(jié)果，提升了用戶體驗(yàn)。未來，該系統(tǒng)可以進(jìn)一步優(yōu)化和完善，諸如引入更多的數(shù)據(jù)源，如用戶行為數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)等，以豐富用戶畫像，提高推薦的準(zhǔn)確性；利用深度學(xué)習(xí)等技術(shù)對(duì)推薦算法進(jìn)行改進(jìn)，進(jìn)一步提高推薦的個(gè)性化程度；此外，可以考慮加入用戶反饋機(jī)制，通過用戶的實(shí)時(shí)反饋來優(yōu)化推薦結(jié)果，提高用戶滿意度。隨著技術(shù)的不斷發(fā)展，系統(tǒng)將向移動(dòng)化、智能化等方向發(fā)展，為用戶提供更加便捷、高效的學(xué)習(xí)體驗(yàn)。

【通聯(lián)編輯：王力】

基金項(xiàng)目：安徽省高校自然科學(xué)重點(diǎn)項(xiàng)目“基于機(jī)器學(xué)習(xí)及區(qū)塊鏈技術(shù)的個(gè)性化教育數(shù)字資源共享推薦體系研究”（項(xiàng)目號(hào)：2022AH052199）；安徽省職業(yè)與成人教育學(xué)會(huì)教育教學(xué)研究規(guī)劃課題“后疫情時(shí)代高職院校信息化建設(shè)探索與實(shí)踐”（項(xiàng)目號(hào)：AZCJ2022222）；蕪湖職業(yè)技術(shù)學(xué)院校級(jí)自然科學(xué)重點(diǎn)項(xiàng)目“基于區(qū)塊鏈的高校數(shù)據(jù)中臺(tái)安全共享與隱私保護(hù)關(guān)鍵技術(shù)研究”（項(xiàng)目號(hào)：WZYZRZD202301）；安徽省高等學(xué)校質(zhì)量工程項(xiàng)目“全國職業(yè)院校數(shù)字校園建設(shè)試點(diǎn)校數(shù)據(jù)治理體系建設(shè)研究與實(shí)踐”（項(xiàng)目號(hào)：2023JYXM1299）