基于社区发现的学习资源推荐方法、装置以及设备制造方法及图纸

本发明专利技术提供了一种应用于在线教育的学习资源推荐方法、装置以及设备。主要构思在于利用网络资源特性，结合用户的基础信息和日常行为进行综合分析，发现用户之间的关联，并由相似用户组成若干社区，以此提高个性化推荐的准确度以及针对在线教育服务的用户体验，同时，本发明专利技术借由重组的多个社区锁定关键的核心用户，通过其在社区间的覆盖度和或本社区内的关系影响，可使得资源推荐有的放矢，形成横向跨区域或纵向延展的推荐传播效应。本发明专利技术以人性化的推荐方式使用户更符合当前学习范围及使用场景，同一社区内的用户可进行高效地交流并相互共享资源；并为资源提供方制定并优化推荐策略及服务对象优先级提供可靠基础，使其获得更具影响力的推广效果。更具影响力的推广效果。更具影响力的推广效果。

【技术实现步骤摘要】
基于社区发现的学习资源推荐方法、装置以及设备


[0001]本专利技术涉及在线教育领域，尤其涉及一种应用于在线教育的学习资源推荐方法、装置以及设备。

技术介绍

[0002]近年来随着软件技术和网络技术的发展，在我们的生活中存在着各种各样的网络，如科研合作网络、演员合作网络、城市交通网络、电力网以及像QQ、微博、微信这样的社交网络等等。而社区发现算法的提出即是在复杂网络中确定并归类参与其中的用户之间的关系以及可共同隶属于社区的用户群体。在实际操作中，可采用图模型来为其进行建模，其中的节点表示网络中一个个用户，而边则表示用户与用户之间的关系，同时还可以为每条边赋予一个权重以对这些关系强度(或理解为亲密度)进行区分，权值越大则表示关系强度越大(或者越亲密)。
[0003]目前，针对在线教育领域的学习资源推荐方法，主要难题是如何保证推荐内容能够最大程度地满足用户的不同需要，并具有精准性、科学性、合理性。尤其是在网络交互环境下，用户对大量学习数据的智能挖掘、智能分发、智能推荐的要求较高，而在理论上搜索到全局最优的算法则可能会以牺牲时间为代价，往往不能达到预期效果；因此，现在的学习资源推荐系统大多还停留需用户自己去海量的资源库中查询所需资源，其过程非常耗时且不友好，不能适应当前在线教育所需。可见，实现学习资源的高效性、科学性、精准性推荐，对提升用户使用体验以及资源提供方的经济效益有着举足轻重的影响。

技术实现思路

[0004]鉴于上述，本专利技术旨在提供一种应用于在线教育的学习资源推荐方法、装置以及设备，并相应地提出一种计算机可读存储介质以及计算机程序产品，通过这些方面能够发现具有相似学习状态、需求等的用户之间的关联，并能锁定目标用户，针对各类用户的学习资源推荐及共享提供了精准、便利、快捷的解决方案。
[0005]第一方面，本专利技术提供了一种应用于在线教育的学习资源推荐方法，包括：
[0006]动态收集登陆在线教育平台的各用户的个人信息及学习行为记录；
[0007]根据个人信息及学习行为记录，形成用户之间的关联关系；
[0008]基于所述关联关系，对用户进行重组，得到多个包含相似用户的社区；
[0009]在不同社区内定位出若干核心用户，所述核心用户是指隶属于多个不同社区的用户和/或在其所在社区内与多个其他用户具有较强关联关系的用户；
[0010]根据重组后的社区，向各用户推荐相应的学习资源，且侧重于向所述核心用户推荐预设资源。
[0011]在其中一种可能的实现方式中，所述根据个人信息及学习行为记录，形成用户之间的关联关系包括：
[0012]基于所述个人信息及学习行为记录，遍历各用户的好友信息、所发消息信息、内容
评价信息；
[0013]根据上述遍历结果，形成各用户的好友关联关系、消息收发关联关系、评论发表回复关联关系。
[0014]在其中一种可能的实现方式中，所述基于所述关联关系，对用户进行重组，得到多个包含相似用户的社区包括：
[0015]将构建出的各种关联关系汇总到预设的关联关系总表；
[0016]根据所述关联关系总表以及社区发现算法，确定具有相似学习状态和/或资源需求和/或兴趣爱好的相似用户；
[0017]基于学习状态和/或资源需求和/或兴趣爱好，组建出不同的包含所述相似用户的社区。
[0018]在其中一种可能的实现方式中，所述方法还包括：
[0019]对社区内各用户的学习行为记录进行重评估；
[0020]根据重评估结果，在本社区内细化所述相似用户的关联关系，形成若干用户聚类。
[0021]第二方面，本专利技术提供了一种应用于在线教育的学习资源推荐装置，包括：
[0022]信息收集模块，用于动态收集登陆在线教育平台的各用户的个人信息及学习行为记录；
[0023]关联关系确定模块，用于根据个人信息及学习行为记录，形成用户之间的关联关系；
[0024]社区重组模块，用于基于所述关联关系，对用户进行重组，得到多个包含相似用户的社区；
[0025]核心用户定位模块，用于在不同社区内定位出若干核心用户，所述核心用户是指隶属于多个不同社区的用户和/或在其所在社区内与多个其他用户具有较强关联关系的用户；
[0026]资源推荐模块，用于根据重组后的社区，向各用户推荐相应的学习资源，且侧重于向所述核心用户推荐预设资源。
[0027]在其中一种可能的实现方式中，所述关联关系确定模块包括：
[0028]用户信息遍历单元，用于基于所述个人信息及学习行为记录，遍历各用户的好友信息、所发消息信息、内容评价信息；
[0029]关联关系构建单元，用于根据上述遍历结果，形成各用户的好友关联关系、消息收发关联关系、评论发表回复关联关系。
[0030]在其中一种可能的实现方式中，所述社区重组模块包括：
[0031]关系汇总单元，用于将构建出的各种关联关系汇总到预设的关联关系总表；
[0032]相似用户发现单元，用于根据所述关联关系总表以及社区发现算法，确定具有相似学习状态和/或资源需求和/或兴趣爱好的相似用户；
[0033]社区构建单元，用于基于学习状态和/或资源需求和/或兴趣爱好，组建出不同的包含所述相似用户的社区。
[0034]在其中一种可能的实现方式中，所述装置还包括：
[0035]重评估模块，用于对社区内各用户的学习行为记录进行重评估；
[0036]社区内部细化模块，用于根据重评估结果，在本社区内细化所述相似用户的关联
关系，形成若干用户聚类。
[0037]第三方面，本专利技术提供了一种学习资源推荐的设备，包括：
[0038]一个或多个处理器、存储器以及一个或多个计算机程序，所述存储器可以采用非易失性存储介质，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行如第一方面或者第一方面的任一可能实现方式中的所述方法。
[0039]第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行如第一方面或者第一方面的任一可能实现方式中的所述方法。
[0040]第五方面，本专利技术还提供了一种计算机程序产品，当所述计算机程序产品被计算机等设备执行时，用于执行第一方面或者第一方面的任一可能实现方式中的所述方法。
[0041]在第五方面的一种可能的设计中，该产品涉及到的相关程序可以全部或者部分存储在与处理器封装在一起的存储器上，也可以部分或者全部存储在不与处理器封装在一起的存储介质上。
[0042]本专利技术的构思在于利用网络资源具有的典型复杂网络特性，结合用户的基础信息和日常行为进行分析，发现用户之间的关联，并由相似用户组成若干社区，以此提高个性化推荐的准确度以及针对在线教育服务的用户体验，同时，本专利技术借由重组的多个社区锁定关键的核心用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于在线教育的学习资源推荐方法，其特征在于，包括：动态收集登陆在线教育平台的各用户的个人信息及学习行为记录；根据个人信息及学习行为记录，形成用户之间的关联关系；基于所述关联关系，对用户进行重组，得到多个包含相似用户的社区；在不同社区内定位出若干核心用户，所述核心用户是指隶属于多个不同社区的用户和/或在其所在社区内与多个其他用户具有较强关联关系的用户；根据重组后的社区，向各用户推荐相应的学习资源，且侧重于向所述核心用户推荐预设资源。2.根据权利要求1所述的学习资源推荐方法，其特征在于，所述根据个人信息及学习行为记录，形成用户之间的关联关系包括：基于所述个人信息及学习行为记录，遍历各用户的好友信息、所发消息信息、内容评价信息；根据上述遍历结果，形成各用户的好友关联关系、消息收发关联关系、评论发表回复关联关系。3.根据权利要求2所述的学习资源推荐方法，其特征在于，所述基于所述关联关系，对用户进行重组，得到多个包含相似用户的社区包括：将构建出的各种关联关系汇总到预设的关联关系总表；根据所述关联关系总表以及社区发现算法，确定具有相似学习状态和/或资源需求和/或兴趣爱好的相似用户；基于学习状态和/或资源需求和/或兴趣爱好，组建出不同的包含所述相似用户的社区。4.根据权利要求1～3任一项所述的学习资源推荐方法，其特征在于，所述方法还包括：对社区内各用户的学习行为记录进行重评估；根据重评估结果，在本社区内细化所述相似用户的关联关系，形成若干用户聚类。5.一种应用于在线教育的学习资源推荐装置，其特征在于，包括：信息收集模块，用于动态收集登陆在线教育平台的各用户的个人信息及学习行为记录；关联关系确定模块，用于根据个人信息及学习行为记录，形成用户之间的关联关系；社区重组模块，用于基于所述关联关系，对用户进行重组，得到多个包含相似用户的社区；核心用户定位模块，用...

【专利技术属性】
技术研发人员：张岩，李星，孙海涛，陈书钢，赵志宽，刘兴国，赵辉，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：