一种学习资源推荐系统技术方案

一种学习资源推荐系统，该系统包括如下模块：监测模块，其用于监测学习者在不同阶段的学习信息数据；获取分析模块，其用于获取监测模块中的学习信息数据，并对该数据进行智能分析，生成分类模型和习惯模型；推荐模块，其包含初级推荐模型和次级推荐模型；其技术要点为，本发明专利技术中采用了分类模型，可对所得学习信息数据进行列表化，能够高效的规整处不同类别的信息，结合习惯模型进行使用后，在学习者进行二次检索作业时能够顺畅的进行操作；使用到了推荐模型，其中初级和次级的两种模型可根据不同学习者的需求进行使用，只需大概的学习资源时则可使用到初级推荐模型，需要具体分类化进行检索时则可使用次级推荐模型，体现了整个系统的适用性。的适用性。的适用性。

【技术实现步骤摘要】
一种学习资源推荐系统


[0001]本专利技术属于教育
，具体是一种学习资源推荐系统。

技术介绍

[0002]教育技术指在教育中应用现代科学技术；20世纪后，随着现代科学技术的发展，幻灯、投影、电影、录音、录像、广播、电视等现代技术被广泛应用于教育，扩大了教育、教学活动范围，提高了效率与质量；
[0003]从教育理论、教育技术和资源建设的观点来讲，美国教育与传播学会对学习资源的定义为大家所公认；同时学习资源也可分为“设计的资源”和“利用的资源”；学习资源是支持学习的资源，包括教学材料、支持系统、学习环境；甚至可以包括能帮助个人有效学习和操作的任何因素；大部分学习资源的查找通常是通过自己去寻找，或是在纸质文件中进行大范围的找寻；
[0004]传统技术的教育系统中，通过电脑端对学习资源进行检索，通常所得到的学习资源都是大致范围内的结果，无法进行体系化或是分类化的表现，从而满足不了不同人群的需求；同时，直接从网络端进行检索，无法对检索者的学习信息数据进行分析，推荐的内容可能会与检索者想要的产生较大的分歧，从而对检索者的时间造成浪费。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺陷，提供一种学习资源推荐系统。
[0006]为实现上述目的，本专利技术采用了如下技术方案：
[0007]一种学习资源推荐系统，该系统包括如下模块：
[0008]监测模块，其用于监测学习者在不同阶段的学习信息数据；
[0009]获取分析模块，其用于获取监测模块中的学习信息数据，并对该数据进行智能分析，生成分类模型和习惯模型；
[0010]推荐模块，其包含初级推荐模型和次级推荐模型，用于针对分类模型和习惯模型进行实时推荐，推荐的信息为学习资源；
[0011]接收模块，其用于接收推荐的信息。
[0012]优选的，在所述监测模块中，
[0013]不同阶段的学习信息数据包括：登录系统时学习者提供的基本信息，利用大数据进行分析学习者的学习风格、学习行为、学习情境以及学习兴趣，同时该大数据可预测学习者的需求。
[0014]优选的，在所述获取分析模块中，对学习信息数据进行智能分析时后得到分类模型，具体为：
[0015]首先，对同一类的数据进行归类处理；
[0016]然后，对学习信息数据从类别较小到较大的顺序进行排序；
[0017]最后，使数据形成列表化。
[0018]优选的，在所述获取分析模块中，对学习信息数据进行智能分析时后得到习惯模型，具体为：
[0019]首先，对学习者的搜索习惯进行整理和分析，形成行为化数据；
[0020]然后，在推荐系统中建立个人化的用户库；
[0021]最后，对行为化数据进行录入，形成用户总库。
[0022]优选的，在所述推荐模块中，使用到的初级推荐模型具体为：
[0023]从学习内容总库中抽取学习者检索时与关键词相关的资源内容，推荐处理时长为2－3s；
[0024]使用到的次级推荐模型具体为：
[0025]在初级推荐模型的基础上，对关键词相关的资源内容进行标识、分类，而后建立个性化界面，对关键词及其相关内容进行全面展示，推荐处理时长为7－12s。
[0026]优选的，在进行推荐处理之前，需要对内容安全进行审查；
[0027]若是内容安全不合格，则无法进行后续推荐处理；
[0028]若是内容安全合格，则进行后续步骤。
[0029]优选的，在所述推荐模块中，
[0030]可通过显示器进行可视化展示推荐结果，并将推荐结果的信息存入到显示器中的存储组件中，并同时上传到网络云端；
[0031]该处的存储组件包含SD卡和移动硬盘。
[0032]与现有技术相比，本专利技术提供了一种学习资源推荐系统，具有如下有益效果：
[0033]一是本专利技术在对学习资源进行推荐之间设计监测模块，可对学习者的相关信息进行具体分析，从而能够更有效，更快捷的将学习信息数据进行推送；
[0034]二是本专利技术中采用了分类模型，可对所得学习信息数据进行列表化，能够高效的规整处不同类别的信息，结合习惯模型进行使用后，在学习者进行二次检索作业时能够顺畅的进行操作；
[0035]三是本专利技术中使用到了推荐模型，其中初级和次级的两种模型可根据不同学习者的需求进行使用，只需大概的学习资源时则可使用到初级推荐模型，需要具体分类化进行检索时则可使用次级推荐模型，体现了整个系统的适用性。
附图说明
[0036]图1是本专利技术中各个模块使用框图。
具体实施方式
[0037]以下结合附图1，进一步说明本专利技术一种学习资源推荐系统的具体实施方式。本专利技术一种学习资源推荐系统不限于以下实施例的描述。
[0038]本实施例给出一种学习资源推荐系统的具体结构，如图1所示，一种学习资源推荐系统，该系统包括如下模块：
[0039]监测模块，其用于监测学习者在不同阶段的学习信息数据；
[0040]获取分析模块，其用于获取监测模块中的学习信息数据，并对该数据进行智能分析，生成分类模型和习惯模型；
[0041]推荐模块，其包含初级推荐模型和次级推荐模型，用于针对分类模型和习惯模型进行实时推荐，推荐的信息为学习资源；
[0042]接收模块，其用于接收推荐的信息。
[0043]在监测模块中，
[0044]不同阶段的学习信息数据包括：登录系统时学习者提供的基本信息，利用大数据进行分析学习者的学习风格、学习行为、学习情境以及学习兴趣，同时该大数据可预测学习者的需求；
[0045]本专利技术在对学习资源进行推荐之间设计监测模块，可对学习者的相关信息进行具体分析，从而能够更有效，更快捷的将学习信息数据进行推送。
[0046]在获取分析模块中，对学习信息数据进行智能分析时后得到分类模型，具体为：
[0047]首先，对同一类的数据进行归类处理；
[0048]然后，对学习信息数据从类别较小到较大的顺序进行排序；
[0049]最后，使数据形成列表化。
[0050]在获取分析模块中，对学习信息数据进行智能分析时后得到习惯模型，具体为：
[0051]首先，对学习者的搜索习惯进行整理和分析，形成行为化数据；
[0052]然后，在推荐系统中建立个人化的用户库；
[0053]最后，对行为化数据进行录入，形成用户总库。
[0054]本专利技术中采用了分类模型，可对所得学习信息数据进行列表化，能够高效的规整处不同类别的信息，结合习惯模型进行使用后，在学习者进行二次检索作业时能够顺畅的进行操作
[0055]在推荐模块中，使用到的初级推荐模型具体为：
[0056]从学习内容总库中抽取学习者检索时与关键词相关的资源内容，推荐处理时长为2－3s；
[0057]使用到的次级推荐模型具体为：
[0058]在初级推荐模型的基础上，对关键词相关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学习资源推荐系统，其特征在于：该系统包括如下模块：监测模块，其用于监测学习者在不同阶段的学习信息数据；获取分析模块，其用于获取监测模块中的学习信息数据，并对该数据进行智能分析，生成分类模型和习惯模型；推荐模块，其包含初级推荐模型和次级推荐模型，用于针对分类模型和习惯模型进行实时推荐，推荐的信息为学习资源；接收模块，其用于接收推荐的信息。2.如权利要求1所述的一种学习资源推荐系统，其特征在于：在所述监测模块中，不同阶段的学习信息数据包括：登录系统时学习者提供的基本信息，利用大数据进行分析学习者的学习风格、学习行为、学习情境以及学习兴趣，同时该大数据可预测学习者的需求。3.如权利要求1所述的一种学习资源推荐系统，其特征在于：在所述获取分析模块中，对学习信息数据进行智能分析时后得到分类模型，具体为：首先，对同一类的数据进行归类处理；然后，对学习信息数据从类别较小到较大的顺序进行排序；最后，使数据形成列表化。4.如权利要求1所述的一种学习资源推荐系统，其特征在于：在所述获取分析模块中，对学习信息数据进行智能分...

【专利技术属性】
技术研发人员：王玥，孙冰爽，臧冬蓉，
申请(专利权)人：长春职业技术学院，
类型：发明
国别省市：