基于粒子群优化算法的学习资源推荐方法 摘要：针对学习者的能力、学习目标、学习时间的个别差异，提出以粒子群优化（PSO）算法为基础的学习资源推荐方法，提供每位学习者个性化的数字课程。综合概念图和知识结构相关理论构建知识点网络结构图，运用项目反应理论（IRT）分析不同学习者的学习目标和能力程度，再应用PSO算法从多样性的学习资源中挑选学习内容，形成个性化的课程推荐给学生。初始化粒子时考虑学习者的学习时间上下限，过滤掉一些不必要的粒子来提高算法效率，在确定最优解位置时，使用Sigmoid函数修正粒子更新速度，保证其在有效范围内。实验结果表明，随着迭代次数增加，所推荐的内容与学习者预定目标差异为0，挑选出的课程与学习者能力差异为0.6，整体差异为0.25，说明所使用的方法具有较好的收敛性，推荐的学习资源能够满足学习者要求。 关键词：粒子群优化算法；学习资源；推荐服务；概念图；项目反应理论 中图分类号： TP18 文献标志码：A 网络教学系统中拥有丰富的学习资源，但是针对不同的学习者，不是所有的学习资源都是有用的，为了符合学习者个别差异，
