如何基于学习者已学习的知识，为其提供相应的学习资源，是教育心理学的重要研究方向。个性化学习系统通过智能化分析学习者所学习视频的内容，自动推荐相关的练习试题，帮助学生巩固所习得的知识，从而提升学习效果和效率。

学习视频和习题是不同类型的学习资源，传统跨类型推荐方法通常将数据表征和推荐任务分离，阻碍了知识的深度融合；此外，教育资源中有效信息的不均匀分布使得传统模型难以捕捉关键语义；最后，推荐数据的稀疏性也给模型的训练和优化带来了困难。

模型的主体框架

针对上述问题，我院青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室骨干成员苏喻老师提出了一种多任务信息增强推荐(MIER)模型。该模型利用多任务学习技术，能够端对端推荐跨类型的学习资源；同时，该模型提出一个基于注意机制的信息抽取模块，能够有效提取教育资源中的关键语义信息；最后，该模型融合了概念知识图谱，以减轻数据稀疏性的影响，增强模型的鲁棒性和可解释性。实验结果表明，该模型在知识点预测和多类型学习资源推荐任务中超过了现有的最先进方法，对个性化学习系统具有广泛的指导意义。

论文在线发表情况

相关成果以“Multi-task Information Enhancement Recommendation model for educational Self-Directed Learning System”为题发表在期刊Expert Systems with Applications上。该期刊为中国科学院大类一区TOP期刊，影响因子为8.665。合肥师范学院为论文的第一单位，青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室、计算机与人工智能学院苏喻老师为论文第一作者。

该研究工作得到国家自然科学基金、青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室开放课题、安徽省高校优秀青年骨干人才国内访学研修课题等项目资助。（青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室、计算机与人工智能学院）