基于多维度信息和知识网络的在线教育系统资源推荐方法技术方案

本发明专利技术提供基于多维度信息和知识网络的在线教育系统资源推荐方法，包括以下步骤：构建精准在线教育系统；设计知识网络管理引擎；基于知识网络管理引擎搭建知识网络；依托于知识网络，以知识元为单位，多渠道构建资源库；资源库支持以知识元为单位存储的资源单元；根据资源单元特征和用户使用统计特征对资源单元的质量进行量化，获取资源单元的质量量化特征；获取资源单元的可用性量化特征；根据资源单元的质量量化特征和资源单元的可用性量化特征，计算资源单元的推荐指数；根据学习者聚焦点不同，进行资源单元排序的动态调整。本发明专利技术依据资源单元排序，区分热点资源和非热点资源，提升用户体验，减少在线学习系统的建设及运维成本。

Resource Recommendation Method of online education system based on multi-dimensional information and knowledge network

The invention provides a method for online education system resource recommendation based on multi-dimensional information and knowledge network, which comprises the following steps: constructing a precise online education system; designing a knowledge network management engine; building a knowledge network based on a knowledge network management engine; relying on a knowledge network and taking knowledge units as a unit, building a multi-channel capital. Resource repository; resource repository supports resource units stored in knowledge units; quantifies the quality of resource units according to the characteristics of resource units and user usage statistics; obtains the quality quantification characteristics of resource units; obtains the availability quantification characteristics of resource units; and obtains the quality quantification characteristics and resource list of resource units according to the quality quantification characteristics of resource units and user usage statistics. According to the quantitative characteristics of meta-availability, the recommendation index of resource units is calculated, and the ranking of resource units is dynamically adjusted according to the different focus of learners. According to the sorting of resource units, the invention distinguishes hot resources from non-hot resources, improves user experience, and reduces the construction and operation cost of the online learning system.

【技术实现步骤摘要】
基于多维度信息和知识网络的在线教育系统资源推荐方法
本专利技术属于在线教育资源推荐
，具体为基于多维度信息和知识网络的在线教育系统资源推荐方法。
技术介绍
随着通信网络的普及、网络带宽的显著提升、智能终端的推广及其它相关配套技术的快速发展与成熟，在线教育获得了越来越多家长与同学的认可。目前，已越来越多的在线教育网站提供各种网络课程资源给学生和家长使用。现有主流在线教育系统的资源一般按照科目与年级进行划分。这些资源组织较为无序，资源粒度较粗，与学习知识点的关联度不够。系统依据整个平台的热度统计信息给资源评分，将评分排名最为靠前的几个资源推荐给用户。这些热度排名统计的是整体用户的兴趣点，与某个具体用户的关联度较弱，造成这些系统所推荐资源与具体学习者自身学习能力及情况往往不能很好地匹配。还有一些在线教育平台支持根据用户浏览记录进行相似推荐。但相似性推荐往往给用户推荐了重复、冗余或者不适用的资源，未能真正解决向学习者有效提供指导性的下一步学习资源的问题。目前，用户尚无法从在线教育系统中获得进阶式、精准、细粒度的资源推荐。
技术实现思路
为了解决现有在线教育系统所存在的问题，本专利技术提供基于多维度信息和知识网络的在线教育系统资源推荐方法，该推荐方法可应用到一个在线精准学习系统，利用知识网络引擎管理知识网络；基于知识网络进行资源搭建，依托知识网络，资源单元服务于知识元；根据资源多项指标信息，量化资源可用性；依据资源可用性，多粒度个性化推荐学习资源单元，展示学习资源单元个性化排序和推荐结果；优化资源存储，提高系统的响应速度和并发处理能力。本专利技术所采用的技术方案如下：基于多维度信息和知识网络的在线教育系统资源推荐方法，包括以下步骤：S1、构建精准在线教育系统，所构建的在线教育系统包括知识网络管理引擎、知识网络、基于角色的用户管理子系统、由不同资源者提供的围绕知识网络中的知识元而构建的资源单元；所有资源单元形成系统教学资源；其中，知识元包括知识点、知识子网及知识点簇，知识子网包含以知识点集为起点或终点所涉及的所有学习路径下其它知识点及这些知识点之间的关系，知识点簇由一系列未能形成直接连通的知识子网的知识点构成；知识点按照系统设定的关系与其关联的知识点连接，形成三维的知识网络；S2、设计知识网络管理引擎，用于实现知识点的加入、删除、修改；知识元的标注；知识点与知识元的存储；资源单元与知识元的关联；S3、基于知识网络管理引擎搭建知识网络；S4、依托于知识网络，以知识元为单位，多渠道构建资源库；资源库支持以知识元为单位存储的资源单元；S5、根据资源单元特征和用户使用统计特征对资源单元的质量进行量化，获取资源单元的质量量化特征；S6、获取资源单元的可用性量化特征；S7、根据资源单元的质量量化特征和资源单元的可用性量化特征，计算资源单元的推荐指数；S8、根据学习者聚焦点不同，进行资源单元排序的动态调整。优选地，步骤S6获取资源单元的可用性量化特征时，收集用户或用户组对资源单元的使用轨迹、评测、反馈以及效果，结合用户或用户组初始基本信息，获取并分析用户或用户组特征，依据用户或用户组特征提供个性化资源量化评估得分，获取资源单元的可用性特征指标。优选地，步骤S7以资源单元为单位，计算给用户组或者用户u的资源单元p的推荐指数yu_p：yu_p＝c0+c1x1+c2x2+…+k0+k1w1+k2w2+…；其中，xi代表一个质量量化特征；wi代表一个可用性量化特征；ci和ki是相关特征的权重；i＝0，1，2……。进一步优选地，步骤S8包括：在学习者聚焦点附近的知识元范围内，根据资源单元推荐指数yu_p、资源单元特征和用户特征，使用逻辑回归LR模型，得出预估得分，根据预估得分对候选学习资源单元进行排序，实现基于知识元、面向学习用户组或学习用户的动态资源单元排序。本专利技术的基于多维度信息和知识网络的在线教育系统资源推荐方法，提出了基于知识网络构建在线精准学习系统、针对学习群体或个人的特定性指标量化学习资源单元可用性、根据用户特征组针对性展示资源排序以及个性化资源推荐、优化资源存储，依据知识网络属性、多渠道资源、资源深度广度、用户特征等信息进行学习资源单元个性化推荐。与现有技术相比，本专利技术取得的有益效果包括：1、不同的资源提供者可以给相同的知识元提供学习资源；由不同资源提供者提供的服务相同知识元的资源单元形成互相竞争的关系；在线精准学习系统以知识元为单位，针对学习群体或个人的特性指标、个人偏好、系统推荐及预期学习效果，实现面向不同用户组或用户的资源排序，推荐最适于这些用户群或用户的资源。2、针对具体用户或者用户组的学习进展速度、教学大纲覆盖面、个人或者群体的偏好和系统建议分析、优化资源单元特征，对具体资源单元的可用性进行针对性量化。对已构建的资源库中的资源单元，分析其涵盖的知识元的完整性、广度以及深度，对资源单元进行多指标参数量化；根据专家小组意见对资源单元做专业性量化评估；根据用户对资源单元的主动反馈，对资源单元的质量进行量化。收集用户或用户组对资源单元的使用轨迹、评测、反馈以及效果，结合用户或用户组初始基本信息，获取并分析用户或用户组特征，依据用户或用户组特征提供个性化资源量化评估得分。3、可根据用户特性需求，提供个性化资源单元排序，实现以知识元为单位、面向不同用户组或用户的资源单元排序，即具备面向多粒度用户组进行资源单元动态排序的功能，能实现面向整个系统用户、一个具体用户组以及具体用户的资源单元排序。提升了学习者学习效率，支持精准学习。4、可根据不同用户组或用户的特征，对一个或一系列的知识元的资源单元进行个性化针对性排序展示；还可依据用户组或用户的个性化量化指标优化热点资源存储。系统依据资源单元排序，区分热点资源和非热点资源并优化资源存储，提升用户体验，减少在线学习系统的建设及运维成本。附图说明图1为三维知识网络示意图；图2为基于多维度信息的学习资源单元排序方法整体架构图；图3为基于多维度信息的学习资源单元排序方法排序示意图；图4为基于多维度信息的学习资源单元计算推荐得分流程图；图5为基于多维度信息的学习资源单元排序模块结构示意图；图6为面向用户或者用户组知识元的资源单元排序示意图。具体实施方式下面结合附图和实施例对本专利技术的技术方案做进一步的说明，但本专利技术的实施方式不限于此。如图1‐6所示，在一个实施例中，本专利技术基于多维度信息和知识网络的在线教育系统资源推荐方法，包括以下步骤：S1、构建精准在线教育系统构建的在线教育系统包括知识网络管理引擎、知识网络、基于角色的用户管理子系统、由不同资源者提供的围绕知识网络中的知识元而构建的资源单元；所有资源单元形成系统教学资源。在线精准学习系统用户包括：系统管理员、知识网络管理员、教师、个体学习者和资源提供者。系统可将有相同特征的个体学习者用户组成学习用户组。知识元包括知识点、知识子网及知识点簇。知识子网是完整知识网络中小范围的互相连接的知识点构成的知识网络的一个子图，知识子网包含以知识点集为起点或终点所涉及的所有学习路径下其它知识点及这些知识点之间的关系；知识点簇由一系列未能形成直接连通的知识子网的知识点构成，用于支持学习或者资源组织。知识点按照系统设定的关系与其关联的知识点连接，形成三维的知识本文档来自技高网...

【技术保护点】
1.基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，包括以下步骤：S1、构建精准在线教育系统，所构建的在线教育系统包括知识网络管理引擎、知识网络、基于角色的用户管理子系统、由不同资源者提供的围绕知识网络中的知识元而构建的资源单元；所有资源单元形成系统教学资源；其中，知识元包括知识点、知识子网及知识点簇，知识子网包含以知识点集为起点或终点所涉及的所有学习路径下其它知识点及这些知识点之间的关系，知识点簇由一系列未能形成直接连通的知识子网的知识点构成；知识点按照系统设定的关系与其关联的知识点连接，形成三维的知识网络；S2、设计知识网络管理引擎，用于实现知识点的加入、删除、修改；知识元的标注；知识点与知识元的存储；资源单元与知识元的关联；S3、基于知识网络管理引擎搭建知识网络；S4、依托于知识网络，以知识元为单位，多渠道构建资源库；资源库支持以知识元为单位存储的资源单元；S5、根据资源单元特征和用户使用统计特征对资源单元的质量进行量化，获取资源单元的质量量化特征；S6、获取资源单元的可用性量化特征；S7、根据资源单元的质量量化特征和资源单元的可用性量化特征，计算资源单元的推荐指数；S8、根据学习者聚焦点不同，进行资源单元排序的动态调整。...

【技术特征摘要】
1.基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，包括以下步骤：S1、构建精准在线教育系统，所构建的在线教育系统包括知识网络管理引擎、知识网络、基于角色的用户管理子系统、由不同资源者提供的围绕知识网络中的知识元而构建的资源单元；所有资源单元形成系统教学资源；其中，知识元包括知识点、知识子网及知识点簇，知识子网包含以知识点集为起点或终点所涉及的所有学习路径下其它知识点及这些知识点之间的关系，知识点簇由一系列未能形成直接连通的知识子网的知识点构成；知识点按照系统设定的关系与其关联的知识点连接，形成三维的知识网络；S2、设计知识网络管理引擎，用于实现知识点的加入、删除、修改；知识元的标注；知识点与知识元的存储；资源单元与知识元的关联；S3、基于知识网络管理引擎搭建知识网络；S4、依托于知识网络，以知识元为单位，多渠道构建资源库；资源库支持以知识元为单位存储的资源单元；S5、根据资源单元特征和用户使用统计特征对资源单元的质量进行量化，获取资源单元的质量量化特征；S6、获取资源单元的可用性量化特征；S7、根据资源单元的质量量化特征和资源单元的可用性量化特征，计算资源单元的推荐指数；S8、根据学习者聚焦点不同，进行资源单元排序的动态调整。2.根据权利要求1所述的基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，步骤S5中，资源单元特征包括：资源单元覆盖知识元完整性，指资源单元涵盖的知识元所占的知识元所在最小知识子网的比率；资源广度，指资源单元覆盖的知识点的群组范围；资源深度，指资源单元对知识元的剖析程度；资源专业性，指知识网络专家对资源库中资源单元的专业性评估结果，由知识网络专家审查资源，并设定资源基础分；资源质量，指资源单元评分、购买量、使用量综合评定结果。3.根据权利要求1所述的基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，步骤S5中，用户使用统计特征包括：用户使用数，指使用单一资源单元的用户数，通过统计资源单元的浏览次数获得；用户使用时间，指资源单元下用户使用时长的累加值，通过统计资源单元的累加所有用户浏览时间获得；评测效果，指用户针对性测评结果；用户反馈，指用户在资源单元下评论反馈倾向于正面或负面。4.根据权利要求1所述的基于多维...

【专利技术属性】
技术研发人员：温武少，王成成，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44