本书针对学习者在选择合适的学习资源时所面临的学习资源问题，利用深度学习技术分别对学习者模型、学习者的反馈信息、学习者的社交关系和学习资源的知识图谱等方面的内容进行建模研究。本书采用定量与定性的研究方式评估了所提出的学习资源适配模型，并实现和开发了学习资源适配服务平台，从理论和实证研究相结合的角度对学习资源适配技术进行了系统性的研究。本书图文并茂，既有详细的模型算法图，又有严谨的公式推导和实验验证，所构建的模型能够有效的提高学习资源适配的准确率，使学习者在进行在线学习过程中，获得更加个性化的学习体验，以此提高学习者的学习体验和学习效率，具有一定的理论研究价值和较高应用可行性。

刘海，男，博士，华中师范大学人工智能教育学部副教授，长期从事自我调节学习、机器学习、数据挖掘、智能信息处理、计算机视觉等方面的研究。近些年来，在国家重点研发计划、国家自然科学基金等项目的支持下，对上述领域进行了系统而广泛的研究，在理论研究和应用扩展方面取得了大量的成果。目前已在国内外知名期刊和学术会议上发表了学术论文100余篇，其中以第一作者（通讯作者）发表SCI、SSCI、CSSCI期刊论文70余篇，含中科院一区IEEE trans系列20余篇，12篇入选ESI高被引论文; 申请国家发明专利40余项，授权10余项。曾荣获湖北省科学技术进步一等奖（2020）、 教育部科技进步奖一等奖（2019）。张昭理，华中师范大学国家数字化学习工程技术研究中心教授。主要研究方向为自我调节学习、知识服务、云计算和信息安全。IEEE高级会员、CCF会员。荣获国家级教学成果二等奖2项、湖北省科技进步一等奖1项、教育部高等学校科技进步一等奖1项。

第一部分 绪论 7
第1章 研究背景与意义 8
1.1 相关政策 8
1.2 国内外研究现状 10
1.3 学习资源适配挑战 13
1.4 学习系统中的资源适配 15
1.5 内容与结构安排 19
第2章 相关理论基础 24
2.1 概念界定 24
2.2 数学基础 25
2.3 资源适配中的教育学理论 27
2.4 资源适配评价标准 29
第二部分 关键技术 32
第3章 认知诊断模型 33
3.1 基础准备知识 33
3.2 引入流行模型的知识追踪 37
3.3 融入学习过程因素的知识追踪 42
3.4 研究趋势、展望 46
第4章 基于评分记录的学习资源适配方法 49
4.1 基础知识 49
4.2 基于卷积神经网络的内容推荐算法 52
4.3 基于隐式反馈嵌入的深度矩阵分解推荐系统 58
4.4 展望、趋势、建议 67
第5章 基于评论文本信息的个性化学习资源推荐 70
5.1 基础知识 70
5.2 基于评论表示学习和历史评分行为的置信度感知推荐模型 73
5.3 基于评论特征表示学习的高效深度矩阵分解方法 82
5.4 研究趋势 90
第6章 融入社交关系感知网络的学习资源适配 94
6.1 基础知识 94
6.2 基于学习者多视角的社交推荐方法 101
6.3 融合图卷积的复杂社交关系推荐算法 109
6.4 研究趋势 120
第7章 知识图谱与资源适配 124
7.1 基于多尺度动态卷积的知识图谱嵌入 124
7.2 基于异质图神经网络的少样本知识图谱推理模型 128
7.3 基于重构神经网络的知识图谱交互学习推理模型 134
7.4 基于知识图谱的学习资源适配 139
7.5 研究趋势 141
第三部分 应用与展望 145
第8章 学习资源适配系统开发与实现 146
8.1 国家教育资源公共服务平台 146
8.2 平台介绍 148
8.3 平台应用 149
第9章 总结与展望 152
9.1 总结 152
9.2 展望 153
9.3 应用 155