一种强相关于用户知识模型的个性化推荐方法及系统技术方案

本发明专利技术公开了一种强相关于用户知识模型的个性化推荐方法及系统，方法包括以下步骤：构建用户的个体知识模型；构建群体知识模型；分析目标用户的个体知识模型较群体知识模型不足的知识薄弱点；利用个性化大数据学习引擎根据用户的知识薄弱点来制定个人学习计划；向所述用户推送制定的个人学习计划，并接收用户对计划的执行结果；根据执行结果，实现智能推送。本发明专利技术紧密结合大数据背景下个性化服务的特征，针对性提出基于用户知识模型的构建策略和构建方法，通过同类型大数据精准分析用户行为模型中的缺失部分，定位到多维度立体知识模型的相关知识节点，从而达到精准推荐。从而达到精准推荐。从而达到精准推荐。

【技术实现步骤摘要】
一种强相关于用户知识模型的个性化推荐方法及系统


[0001]本专利技术涉及人工智能领域，尤其涉及一种强相关于用户知识模型的个性化推荐方法及系统。

技术介绍

[0002]在大数据背景下，如何构建合适的用户行为模型并基于海量的行为日志数据提供个性化服务，是当前大数据应用落地迫切需要解决的问题。如何提供实时而精准的服务是当前现有技术的痛点，现有技术在应对当前大数据环境下个性化服务面临着“知识迷航”、“信息过载”及“情感缺失”的挑战。
[0003]现有技术无法精准分析定位用户行为模型中缺漏的部分所对应的内容，导致无法实现精准内容推送。目前，还不存在一种与用户自身的知识模型强相关的个性化学习推荐方法。

技术实现思路

[0004]为了解决现有技术的问题，本专利技术提供了一种强相关于用户知识模型的个性化推荐方法及系统，设计一种基于学生个体知识模型和学习过程行为数据的个性化服务方案，并给出基于流行的大数据分析平台和计算框架的个性化服务的具体应用。所述技术方案如下：
[0005]一方面，提供了一种强相关于用户知识模型的个性化推荐方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种强相关于用户知识模型的个性化推荐方法，其特征在于，包括以下步骤：S1、构建目标用户的个体知识模型，构建步骤包括步骤S11
‑
S12：S11、获取目标用户的测评结果，所述测评结果由目标用户进行相应测评练习而产生，所述测评练习中关联有预设的知识点；根据教材目录和/或领域知识构建知识点的多维度立体模型，所述多维度立体模型将知识点分解成最小颗粒；S12、根据步骤S11中获取的测评结果以及构建的知识点的多维度立体模型，构建该目标用户的个体知识模型；S2、构建群体知识模型，构建步骤包括步骤S21
‑
22：S21、针对不同用户执行步骤S11
‑
S12，得到不同用户的个体知识模型；S22、根据多个用户的个体知识模型，以及数据库中预设的不同层级的课程标准，制定不同层级的群体知识模型；S3、分析步骤S1构建的所述目标用户的个体知识模型较步骤S2中构建的所述群体知识模型不足的知识点，作为所述目标用户的知识薄弱点；S4、利用个性化大数据学习引擎根据目标用户的知识薄弱点为所述目标用户制定个人学习计划；S5、向所述目标用户推送制定的个人学习计划，并接收所述目标用户对所述个人学习计划的执行结果；S6、根据所述执行结果，实现智能推送，包括：若所述目标用户做错试题，则所述个性化大数据学习引擎向所述目标用户推送相同知识节点的试题；和/或根据所述知识点的多维度立体模型分析做错的试题对应知识节点的下一级知识节点，推送所述下一级知识节点对应的试题。2.根据权利要求1所述的强相关于用户知识模型的个性化推荐方法，其特征在于，向不同的目标用户执行步骤S1
‑
S5，之后还包括：记录多个用户在执行各自被推送的个人学习计划的过程中的行为数据，包括每个试题的正确率及每道试题的完成用时；比较目标用户与全部用户的做题正确率和完成用时，评估所述目标用户对推送的个人学习计划的掌握情况；将全部用户在执行个人学习计划过程中的行为数据存储更新至数据库内，并利用更新后的数据库指导步骤S2中的构建群体知识模型和优化步骤S4中的个性化大数据学习引擎。3.根据权利要求1所述的强相关于用户知识模型的个性化推荐方法，其特征在于，步骤S11中的所述测评练习中的试题关联不同的知识节点，所述测评练习分为不同层级。4.根据权利要求1所述的强相关于用户知识模型的个性化推荐方法，其特征在于，步骤S11中分解得到的最小颗粒本身作为一个知识节点，且颗粒与颗粒、知识节点与颗粒、知识节点与知识节点的联结，能够再次构成新的知...

【专利技术属性】
技术研发人员：华敏，
申请(专利权)人：江苏乐易学教育科技有限公司，
类型：发明
国别省市：