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 ...
【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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。