一种教学课件推荐方法、装置及设备制造方法及图纸

一种教学课件推荐方法包括：获取教师的授课历史数据、教师对课件的评分数据以及课件的内容标签；根据所述授课历史数据和所述课件的内容标签，构建课件的时序关联因子矩阵；根据所述教师对课件的评分数据和所述课件的内容标签，计算课件与课件的相似度矩阵；根据所述相似度矩阵和所述教师对课件的评分数据，计算教师对未使用课件的评分估计；根据所述评分估计和所述时序关联因子矩阵，计算所述未使用课件相对于所述教师的推荐估计值。使得推荐的课件既包括教师的评价信息、标签信息，又能够有效的结合教师当前的教学课件的时序信息，从而能够有利于快速有效的推荐更为匹配的教学课件。

A method, device and equipment for teaching courseware recommendation

A teaching courseware recommendation method includes: acquiring the teaching history data of teachers, the scoring data of teachers and the content label of courseware; constructing the time series correlation factor matrix of courseware according to the teaching history data and the content label of courseware; and according to the scoring data of teachers and the courseware mentioned above. The content label calculates the similarity matrix between the courseware and the courseware; calculates the teacher's evaluation of the unused courseware according to the similarity matrix and the teacher's score data; calculates the recommended evaluation of the unused courseware relative to the teacher's according to the score estimation and the time series correlation factor matrix. Value. The recommended courseware not only includes teachers'evaluation information and label information, but also effectively combines teachers' current teaching courseware timing information, which is conducive to the rapid and effective recommendation of more matching teaching courseware.

【技术实现步骤摘要】
一种教学课件推荐方法、装置及设备
本申请属于数字教学领域，尤其涉及一种教学课件推荐方法、装置及设备。
技术介绍
随着数字型教室的普及，增强现实AR或虚拟现实VR技术在课堂上得到了广泛的应用，与增强现实AR或虚拟现实VR技术对应的数字资源也会越来越多，极大的改善了教师的便利性，有利于学生更好的理解教学内容，提高教学效果。当教学资源越来越多时，教师在寻找匹配的，或者更加合适的课件的难度也越来越大。为了提高教师查找课件的便利性，目前一般通过基于内容特征进行教学课件的推荐，但是，由于提取教学课件内容特征的难度较大，不利于快速准确的查找到所需要使用的课件。
技术实现思路
有鉴于此，本申请实施例提供了一种教学课件推荐方法、装置及设备，以解决现有技术中基于内容特征进行推荐时，由于提取教学课件内容特征的难度较大，不利于快速准确的查找到所需要使用的课件的问题。本申请实施例的第一方面提供了一种教学课件推荐方法，所述教学课件推荐方法包括：获取教师的授课历史数据、教师对课件的评分数据以及课件的内容标签；根据所述授课历史数据和所述课件的内容标签，构建课件的时序关联因子矩阵；根据所述教师对课件的评分数据和所述课件的内容标签，计算课件与课件的相似度矩阵；根据所述相似度矩阵和所述教师对课件的评分数据，计算教师对未使用课件的评分估计；根据所述评分估计和所述时序关联因子矩阵，计算所述未使用课件相对于所述教师的推荐估计值。结合第一方面，在第一方面的第一种可能实现方式中，所述根据所述授课历史数据和所述课件的内容标签，构建课件的时序关联因子矩阵的步骤包括：根据课件的内容标签构建课件的第一时序关联度表；根据教师的教学行为数据，对所述第一时序关联度表进行更新，得到第二时序关联度表；根据所述第二时序关联度表计算得到时序关联因子矩阵。结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述根据课件的内容标签构建课件的第一时序关联度表的步骤包括：根据公式：构建第一时序关联度表TSA，其中：su表示教师u的最近教学记录数量，Hu,i表示教师u的最近教学记录的第i个课件，1＜＝u＜＝m，1＝i＜＝su，Ti表示课件i的标签特征向量，如果包含则为1，否则为0，其中，p为标签总数，AB表示舒尔Schur积，Normalize(V)表示将矩阵V正规化。结合第一方面的第一种可能实现方式，在第一方面的第三种可能实现方式中，所述根据教师的教学行为数据，对所述第一时序关联度表进行更新，得到第二时序关联度表的步骤包括：根据公式TS＝σ×TS+(1-σ)×ρ×TSA更新所述第一时序关联度表，得到第二时序关联度表TS，其中：0≤σ≤1，σ与教学行为数据量成正比，Cover(H)表示教学行为矩阵的课件内容标签覆盖率，ρ为教学行为关联影响因数，且ρ＝Mean(TS)，TSA为第一时序关联度表。结合第一方面的第一种可能实现方式，在第一方面的第四种可能实现方式中，所述根据所述第二时序关联度表计算得到时序关联因子矩阵的步骤包括：根据公式：计算第二时序关联度表Li,j，其中，Li,j表示课件i和j之间的第二时序关联因子，λ为时序影响收缩因子，取值为TS为第二时序关联度表，Ti表示课件i的标签特征向量，Tj表示课件j的标签特征向量。结合第一方面，在第一方面的第五种可能实现方式中，所述根据所述教师对课件的评分数据和所述课件的内容标签，计算课件与课件的相似度矩阵的步骤包括：通过余弦相似度公式：计算课件i与课件j之间的相似度，其中：λi,j＝f(RCi,RCj)，Si,j表示课件i和课件j之间的相似度，Ru,i表示教师u对课件i的评分，Ui,j表示同时使用过课件i和课件j的教师集合，Ti表示课件i的内容标签特征向量，维数等于标签的总数p，RCi表示课件i的总评价次数，结合第一方面，在第一方面的第六种可能实现方式中，所述根据所述相似度矩阵和所述教师对课件的评分数据，计算教师对未使用课件的评分估计的步骤包括：根据公式计算教师u对未使用课件的评分估计，其中Cu表示用户u参与过评分的课件集合，Si,j表示课件i和课件j之间的相似度，Ru,j表示教师u对课件j的评分。结合第一方面，在第一方面的第七种可能实现方式中，所述根据所述评分估计和所述时序关联因子矩阵，计算所述未使用课件相对于所述教师的推荐估计值的步骤包括：根据公式R‘u,i＝Ru,i·Li,h计算所述未使用课件相对于所述教师的推荐估计值R‘u,i，其中：Ru,i表示教师u对课件i的评分，Li,j表示课件i和j之间的第二时序关联因子。本申请实施例的第二方面提供了一种教学课件推荐装置，所述教学课件推荐装置包括：数据获取单元，用于获取教师的授课历史数据、教师对课件的评分数据以及课件的内容标签；时序关联因子矩阵构建单元，用于根据所述授课历史数据和所述课件的内容标签，构建课件的时序关联因子矩阵；相似度矩阵计算单元，用于根据所述教师对课件的评分数据和所述课件的内容标签，计算课件与课件的相似度矩阵；评分估计单元，用于根据所述相似度矩阵和所述教师对课件的评分数据，计算教师对未使用课件的评分估计；推荐估计值计算单元，用于根据所述评分估计和所述时序关联因子矩阵，计算所述未使用课件相对于所述教师的推荐估计值。本申请实施例的第三方面提供了一种教学课件推荐设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面任一项所述教学课件推荐方法的步骤。本申请实施例的第四方面提供了一种计算机可读存储介质，包括计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述教学课件推荐方法的步骤。本申请实施例与现有技术相比存在的有益效果是：本申请通过评分数据和课件的内容标签计算课件的相似度矩阵，根据所述相似度矩阵和教师对课件的评分数据，计算教师未使用的课件的评分估计，并且进一步引入课件的时序关联因子矩阵，从而使得推荐的课件既包括教师的评价信息、标签信息，又能够有效的结合教师当前的教学课件的时序信息，从而能够有利于快速有效的推荐更为匹配的教学课件。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的教学课件推荐方法的实施场景示意图；图2是本申请实施例提供的一种教学课件推荐方法的实现流程示意图；图3为本申请实施例提供的一种构建课件的时序关联因子矩阵方法的实现流程示意图；图4为本申请实施例提供的一种基于课件时序的层级示意图；图5是本申请实施例提供的教学课件推荐装置的示意图；图6是本申请实施例提供的教学课件推荐设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述本文档来自技高网...

【技术保护点】
1.一种教学课件推荐方法，其特征在于，所述教学课件推荐方法包括：获取教师的授课历史数据、教师对课件的评分数据以及课件的内容标签；根据所述授课历史数据和所述课件的内容标签，构建课件的时序关联因子矩阵；根据所述教师对课件的评分数据和所述课件的内容标签，计算课件与课件的相似度矩阵；根据所述相似度矩阵和所述教师对课件的评分数据，计算教师对未使用课件的评分估计；根据所述评分估计和所述时序关联因子矩阵，计算所述未使用课件相对于所述教师的推荐估计值。

【技术特征摘要】
1.一种教学课件推荐方法，其特征在于，所述教学课件推荐方法包括：获取教师的授课历史数据、教师对课件的评分数据以及课件的内容标签；根据所述授课历史数据和所述课件的内容标签，构建课件的时序关联因子矩阵；根据所述教师对课件的评分数据和所述课件的内容标签，计算课件与课件的相似度矩阵；根据所述相似度矩阵和所述教师对课件的评分数据，计算教师对未使用课件的评分估计；根据所述评分估计和所述时序关联因子矩阵，计算所述未使用课件相对于所述教师的推荐估计值。2.根据权利要求1所述的教学课件推荐方法，其特征在于，所述根据所述授课历史数据和所述课件的内容标签，构建课件的时序关联因子矩阵的步骤包括：根据课件的内容标签构建课件的第一时序关联度表；根据教师的教学行为数据，对所述第一时序关联度表进行更新，得到第二时序关联度表；根据所述第二时序关联度表计算得到时序关联因子矩阵。3.根据权利要求2所述的教学课件推荐方法，其特征在于，所述根据课件的内容标签构建课件的第一时序关联度表的步骤包括：根据公式：构建第一时序关联度表TSA，其中：su表示教师u的最近教学记录数量，Hu,i表示教师u的最近教学记录的第i个课件，1＜＝u＜＝m，1＜＝i＜＝su，Ti表示课件i的标签特征向量，如果包含则为1，否则为0，其中，p为标签总数，AB表示舒尔Schur积，Normalize(V)表示将矩阵V正规化。4.根据权利要求2所述的教学课件推荐方法，其特征在于，所述根据教师的教学行为数据，对所述第一时序关联度表进行更新，得到第二时序关联度表的步骤包括：根据公式TS＝σ×TS+(1-σ)×ρ×TSA更新所述第一时序关联度表，得到第二时序关联度表TS，其中：0≤σ≤1，σ与教学行为数据量成正比，Cover(H)表示教学行为矩阵的课件内容标签覆盖率，ρ为教学行为关联影响因数，且ρ＝Mean(TS)，TSA为第一时序关联度表。5.根据权利要求2所述的教学课件推荐方法，其特征在于，所述根据所述第二时序关联度表计算得到时序关联因子矩阵的步骤包括：根据公式：计算第二时序关联度表Li,j，其中，Li,j表示课件i和j之间的第二时序关联因子，λ为时序影响收缩因子，取值为TS为第二时序关联度表，Ti表示课件i的标签特...

【专利技术属性】
技术研发人员：吴小翔，荀浩，
申请(专利权)人：深圳市领点科技有限公司，
类型：发明
国别省市：广东,44