多模态学习行为分析的在线资源自适应推荐方法

本发明公开了一种多模态学习行为分析的在线资源自适应推荐方法，涉及资源推荐技术领域；先利用异构传感器阵列动态采集多模态数据，经降噪、概率分布匹配归一化及时空对齐预处理；再通过分层网络提取特征，结合变分自编码器等建模学习行为，从多维度评估学习状态；基于强化学习生成推荐决策，结合个性化呈现、多源反馈分析优化推荐，同时具备动态调整策略、智能创作资源及跨场景迁移推荐等功能，实现精准自适应推荐。本发明全面采集多模态数据并深度处理，精准分析学习行为与评估状态，借智能推荐和动态优化策略，提供个性化资源推荐，能提升推荐准确性与学习效果，增强用户体验，提高平台资源利用率与竞争力。