一种数字化学习工具的预测优化方法及系统技术方案

本申请公开了一种数字化学习工具的预测优化方法及系统，通过基于企业用户信息集合进行学习资源、学习工具记录数据的提取，获得资源记录信息集、工具记录信息集；根据资源记录信息集、工具记录信息集构建资源数据矩阵、工具数据矩阵；根据资源数据矩阵、工具数据矩阵，确定资源特征信息、工具特征信息；获得特征关联性；根据特征关联性，按照预设条件确定优化特征，并基于所述优化特征，获得预测优化信息。解决网络教育数字工具设置单一，缺乏针对用户使用需求的有效维护方式的技术问题。达到面向企业各用户的工具采集，企业数字化学习资源和工具的使用量次和特征进行分析，根据分析结果实现工具定位优化，实现高质量维护的技术效果。果。果。

【技术实现步骤摘要】
一种数字化学习工具的预测优化方法及系统


[0001]本申请涉及用工平台
，尤其涉及一种数字化学习工具的预测优化方法及系统。

技术介绍

[0002]随着互联网技术的迅猛发展，依托网络实现了人们日常各方面所需，也包括教育培训，网络远程教育是随着现代信息技术的发展而产生的一种新型教育方式，以现代远程教育手段为主，兼容面授、函授和自学等传统教学形式，多种媒体优化组合的教育方式。网络教育面对的主体包括了个人和企业用户，企业用户主要为具有集中化的客户群体，具有客户类型的统一化，目标性，远程教育过程中需要借助网络工具进行授课和听课，面对不同的授课、听课群体，有着不同的教育需求，现有的教育平台操作内容单一，无法考量到用户对不同的教育数字工具的使用要求。
[0003]现有技术中至少存在如下技术问题：网络教育数字工具设置单一，缺乏针对用户使用需求的有效维护方式而影响到用户的使用效果的技术问题。

技术实现思路

[0004]本申请的目的是提供一种数字化学习工具的预测优化方法及系统，用以解决现有技术中网络教育数字工具设置单一，缺乏针对用户使用需求的有效维护方式而影响到用户的使用效果的技术问题。达到了面向企业各用户的工具采集，企业数字化学习资源和工具的使用量次和特征进行分析，从而根据分析结果实现工具定位优化，为企业提供优质的网络环境，实现高质量维护的技术效果。
[0005]鉴于上述问题，本申请提供了一种数字化学习工具的预测优化方法及系统。
[0006]第一方面，本申请提供了一种数字化学习工具的预测优化方法，所述方法包括：获得企业用户信息集合；基于所述企业用户信息集合进行学习资源、学习工具记录数据的提取，对提取的用户记录信息进行统计，获得用户记录信息集，所述用户记录信息集包括资源记录信息集、工具记录信息集；分别根据所述资源记录信息集、所述工具记录信息集构建资源数据矩阵、工具数据矩阵；分别根据所述资源数据矩阵、所述工具数据矩阵，进行特征分析，得到资源特征信息集合、工具特征信息集合，从特征信息集合中进行筛选，确定资源特征信息、工具特征信息；根据所述资源特征信息、所述工具特征信息，获得特征关联性；根据所述特征关联性，按照预设条件确定优化特征，并基于所述优化特征，获得预测优化信息。
[0007]另一方面，本申请还提供了一种数字化学习工具的预测优化系统，用于执行如第一方面所述的一种数字化学习工具的预测优化方法，所述系统包括：第一获得单元，所述第一获得单元用于获得企业用户信息集合；第二获得单元，所述第二获得单元用于基于所述企业用户信息集合进行学习资源、学习工具记录数据的提取，对提取的用户记录信息进行统计，获得用户记录信息集，所
述用户记录信息集包括资源记录信息集、工具记录信息集；第一构建单元，所述第一构建单元用于分别根据所述资源记录信息集、所述工具记录信息集构建资源数据矩阵、工具数据矩阵；第一执行单元，所述第一执行单元用于分别根据所述资源数据矩阵、所述工具数据矩阵，进行特征分析，得到资源特征信息集合、工具特征信息集合，从特征信息集合中进行筛选，确定资源特征信息、工具特征信息；第三获得单元，所述第三获得单元用于根据所述资源特征信息、所述工具特征信息，获得特征关联性；第四获得单元，所述第四获得单元用于根据所述特征关联性，按照预设条件确定优化特征，并基于所述优化特征，获得预测优化信息。
[0008]第三方面，本申请还提供了一种数字化学习工具的预测优化系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
[0009]第四方法，本申请还提供了一种计算机程序产品，包括计算机程序和/或指令，该计算机程序和/或指令被处理器执行时实现上述第一方面所述方法的步骤。
[0010]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：1. 通过对用户学习资源的学习记录及学习工具的使用记录的分析，确定资源特征信息、工具特征信息，利用工具特征对资源的影响关联性，确定哪些工具为用户使用频次高的与学习资源关联性高的工具进行对应的优化，更为贴合用户的使用要求，达到了面向企业各用户的工具采集，企业数字化学习资源和工具的使用量次和特征进行分析，从而根据分析结果实现工具定位优化，为企业提供优质的网络环境，实现高质量维护的技术效果。
[0011]2.通过资源记录信息构建资源数据矩阵，利用资源数据矩阵进行特征分析，加入权重算法的矩阵模型算法提高了特征分析的可靠性，加快了运算效率，达到了资源特征的有效定位，符合用户的学习资源特点，为进行有效的工具定向优化提供了基础保证的技术效果。
[0012]3.通过根据所述操作结果信息，获得操作来源信息；判断所述操作来源信息是否为本地工具；当不是本地工具时，获得来源工具信息；根据所述来源工具信息，获得来源工具特征，基于来源工具特征进行优化特征方向的定位，更为贴合用户的使用要求，实现以用户的需求为出发导向，对工具进行定位优化，为企业提供优质的学习工具，实现高质量用户维护的技术效果。
[0013]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0014]为了更清楚地说明本申请实施例或现有技术中的技术方案，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示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0015]图1为本申请实施例的一种数字化学习工具的预测优化方法的流程示意图；图2为本申请实施例一种数字化学习工具的预测优化系统的结构示意图；图3为本申请实施例示例性电子设备的结构示意图。
[0016]附图标记说明：第一获得单元11，第二获得单元12，第一构建单元13，第一执行单元14，第三获得单元15，第四获得单元16，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
[0017]本申请通过提供一种数字化学习工具的预测优化方法及系统，解决了现有技术中网络教育数字工具设置单一，缺乏针对用户使用需求的有效维护方式而影响到用户的使用效果的技术问题。
[0018]下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
[0019]本申请提供的技术方案总体思路如下：对企业用户信息集合中每个用户信息进行学习记录的提取，构建用户记录信息集，其中，用户记录信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字化学习工具的预测优化方法，其特征在于，所述方法包括：获得企业用户信息集合；基于所述企业用户信息集合进行学习资源、学习工具记录数据的提取，对提取的用户记录信息进行统计，获得用户记录信息集，所述用户记录信息集包括资源记录信息集、工具记录信息集；分别根据所述资源记录信息集、所述工具记录信息集构建资源数据矩阵、工具数据矩阵；分别根据所述资源数据矩阵、所述工具数据矩阵，进行特征分析，得到资源特征信息集合、工具特征信息集合，从特征信息集合中进行筛选，确定资源特征信息、工具特征信息；根据所述资源特征信息、所述工具特征信息，获得特征关联性；根据所述特征关联性，按照预设条件确定优化特征，并基于所述优化特征，获得预测优化信息。2.如权利要求1所述的方法，其特征在于，所述方法还包括：对学习资源进行资源参数划分，获得资源参数集；基于所述资源参数集，对所述资源记录信息集进行参数转换，获得转换后资源记录信息；基于所述转换后资源记录信息，构建所述资源数据矩阵。3.如权利要求2所述的方法，其特征在于，所述方法还包括：对所述资源数据矩阵进行正向化处理，获得无量纲化处理数据；对所述无量纲化处理数据进行标准差计算，获得数据标准差；根据所述资源参数集、所述无量纲化处理数据，获得相关系数；根据所述数据标准差、所述相关系数通过信息量分析，并根据信息量计算结果确定所述资源参数集中各资源参数权重值；基于所述资源参数权重值，获得所述资源特征信息。4.如权利要求1所述的方法，其特征在于，所述方法还包括：对所述工具数据矩阵进行横向特征分析，获得第一资源特征信息，所述第一资源特征信息包括工具属性特征；对所述工具数据矩阵进行纵向特征分析，获得第二资源特征信息，所述第二资源特征信息包括用户使用比重；根据所述工具属性特征、所述用户使用比重，获得用户工具参数值；对所述用户工具参数值进行排序，选取满足预设排序要求的工具属性特征集；对所述工具属性特征集进行特征汇总，获得所述工具特征信息集合。5.如权利要求1所述的方法，其特征在于，所述根据所述资源特征信息、所述工具特征信息，获得特征关联性，包括：根据所述资源特征信息，获得资源数据操作类型；根据所述资源数据操作类型、所述资源特征信息，获得操作粘合度；当所述操作粘合度满足预设要求时，根据所述资源数据操作类型，获得匹配操作...

【专利技术属性】
技术研发人员：韩小伟，李义平，程秧秧，陆轶铭，
申请(专利权)人：江苏童能文化科技有限公司，
类型：发明
国别省市：