结合学习状态适合度和课程搭配度的课程推荐方法及装置制造方法及图纸

本发明专利技术涉及一种结合学习状态适合度和课程搭配度的课程推荐方法及装置，包括：识别待课程推荐的课程推荐平台，获取课程推荐平台的课程数据，对课程数据进行三元知识抽取，得到三元抽取组，并根据三元抽取组，构建课程推荐平台的知识图谱；识别待课程推荐的目标学生的知识状态级别，及识别目标学生的兴趣偏好，根据知识状态级别和兴趣偏好，构建目标学生的学生画像；获取课程推荐平台的候选课程，构建目标学生关于候选课程的交互矩阵，基于交互矩阵和学生画像，确定知识图谱中的搭配课程，计算目标学生关于搭配课程的推荐得分；根据推荐得分，确定目标学生的推荐课程。本发明专利技术可以提高课程推荐的准确率。课程推荐的准确率。课程推荐的准确率。

【技术实现步骤摘要】
结合学习状态适合度和课程搭配度的课程推荐方法及装置


[0001]本专利技术涉及人工智能领域，尤其涉及结合学习状态适合度和课程搭配度的课程推荐方法及装置。

技术介绍

[0002]随着互联网的发展与普及，“互联网+教育”的形态也在不断的升级,在线教育打破了传统线下教育的时间限制和空间限制，为广大学生和终生学习者提供了形式更灵活、内容更丰富的教育学习资源。
[0003]但如何在海量的学习资源中基于学习者的学习状态适合度和课程搭配度为学习者生成个性化的学习资源推荐是当前筮待解决的重要问题。目前大多的课程推荐主要是考虑学习者的兴趣偏好，并利用协同过滤算法进行筛选推荐学习课程，而没有考虑学习者本身的学习能力水平及知识体系的逻辑关系，从而导致课程推荐的准确率不高，无法满足学习者的个性化需求。

技术实现思路

[0004]本专利技术提供结合学习状态适合度和课程搭配度的课程推荐方法及装置，其主要目的在于提高课程推荐的准确率。
[0005]为实现上述目的，本专利技术提供的结合学习状态适合度和课程搭配度的课程推荐方法，包括：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.结合学习状态适合度和课程搭配度的课程推荐方法，其特征在于，所述方法包括：识别待课程推荐的课程推荐平台，获取所述课程推荐平台的课程数据，对所述课程数据进行三元知识抽取，得到三元抽取组，并根据所述三元抽取组，构建所述课程推荐平台的知识图谱；识别待课程推荐的目标学生的知识状态级别，及识别所述目标学生的兴趣偏好，根据所述知识状态级别和所述兴趣偏好，构建所述目标学生的学生画像；获取所述课程推荐平台的候选课程，构建所述目标学生关于所述候选课程的交互矩阵，基于所述交互矩阵和所述学生画像，确定所述知识图谱中的搭配课程，利用预构建的知识图谱深度神经网络模型，计算所述目标学生关于所述搭配课程的推荐得分；根据所述推荐得分，确定所述目标学生的推荐课程。2.如权利要求1所述的结合学习状态适合度和课程搭配度的课程推荐方法，其特征在于，所述对所述课程数据进行三元知识抽取，得到三元抽取组，包括：对所述课程数据进行概念归纳，得到归纳结构数据，对所述归纳结构数据进行实体抽取，得到抽取实体数据，并对所述实体数据进行关系抽取，得到抽取关系数据；分别对所述抽取实体数据和所述抽取关系数据进行属性抽取，得到实体抽取属性和关系抽取属性，根据所述实体抽取属性和关系抽取属性，对所述抽取实体数据和所述抽取关系数据进行更新，得到更新实体数据和更新关系数据；基于所述更新实体数据和所述更新关系数据，确定所述三元抽取组。3.如权利要求1所述的结合学习状态适合度和课程搭配度的课程推荐方法，其特征在于，所述根据所述三元抽取组，构建所述课程推荐平台的知识图谱，包括：提取所述三元抽取组的实体数据中的课程名称，查询所述课程名称在预构建的课程学习序列关系中的后修课程；构建所述课程名称对应的课程实体与所述后修课程之间的序列关系，根据所述序列关系和所述三元抽取组，构建所述课程推荐平台的知识图谱。4.如权利要求1所述的结合学习状态适合度和课程搭配度的课程推荐方法，其特征在于，所述识别待课程推荐的目标学生的知识状态级别，包括：识别所述目标学生对应的待推荐课程及其课程类别，构建所述课程类别对应的步骤有序的多级评分题目，并配置所述多级评分题目的步骤评分，根据所述多级评分题目和所述步骤评分，构建能力值水平量表；分别计算所述目标学生在所述能力值水平量表中多级评分题目的任意相邻步骤的前步做对概率与后步做对概率；根据所述前步做对概率与所述后步做对概率，利用预设的概率阈值，确定所述目标学生对应所述课程类别的知识类别水平，根据所述知识类别水平，确定所述所述目标学生的知识状态级别。5.如权利要求4所述的结合学习状态适合度和课程搭配度的课程推荐方法，其特征在于，所述计算所述目标学生在所述能力值水平量表中多级评分题目的任意相邻步骤的前步做对概率，包括：利用下述公式计算所述目标学生在所述能力值水平量表中多级评分题目的任意相邻步骤的前步做对概率：
其中，p
ijk
表示第i个目标学生在能力值水平量表中做对第j个多级评分题目第k个步骤的前步做对概率，α
j
表示第j个多级评分题目的区分度，θ
i
表示第i个目标学生的知识能力，β
j
表示第j个多级评分题目在能力值水平量表中的整体平均难度，d
v
表示第j个多级评分题目的第v个步骤的难度，v表示多级评分题目的步骤的序号，m表示多级评分题目的步骤的步骤评分，K表示多级评分题目的最高步骤评分。6.如权利要求4所述的结合学习状态适合度和课程搭配度的课程推荐方法，其特征在于，所述根据所述前步做对概率与所述后步做对概率，利用预设的概率阈值，确定所述目标学生对应所述课程类别的知识类别水平，包括：分别获取所述前步做对概率与所述后步做对概率...

【专利技术属性】
技术研发人员：汪海梁，
申请(专利权)人：武汉博奥鹏程教育科技有限公司，
类型：发明
国别省市：