一种基于人工智能的教育资源推荐方法及系统技术方案

本发明专利技术提供了一种基于人工智能的教育资源推荐方法及系统，其方法包括：确定教育资源的资源特征；读取目标用户的资源需求以及对应的需求特征，并根据需求特征对教育资源的资源特征进行筛选选取待推荐教育资源的目标资源特征；对目标用户的历史学习信息进行分析确定目标用户的兴趣特征，分别确定兴趣特征与各目标资源特征的匹配度，并基于匹配度确定每个待推荐教育资源对应的推荐值；对每个待推荐教育资源对应的推荐值进行排序，输出最优推荐值对应的目标教育资源，同时，实时监督目标用户对目标教育资源的学习程度，并根据学习程度对目标教育资源中的学习项目进行更新推荐。提高了教育资源推荐的可靠性、及时性以及便捷性。及时性以及便捷性。及时性以及便捷性。

【技术实现步骤摘要】
一种基于人工智能的教育资源推荐方法及系统


[0001]本专利技术涉及数据处理
，特别涉及一种基于人工智能的教育资源推荐方法及系统。

技术介绍

[0002]目前，随着智能化技术的不断发展，通过互联网实现对教育资源的获取的方式也越来越多，但是随着互联网的发展以及电子产品的普及，教育资源的准确分享与推荐可以有效提高用户学习的效率与便利，因此，各种教育资源的推荐技术在不断的更新发展；然而，在现有技术中对教育资源的推荐往往是通过简单筛选实现对教育资源的推荐，从而使得对教育资源的受众程度大大减少，造成教育资源的浪费，与此同时，在推荐过程中往往是采取静态的推荐手段，确定了推荐的教育资源后，并没用为教育资源对应的知识点等进行合理的动态推荐，从而不利于提高教育资源推荐的可靠性与便捷性；因此，本专利技术提供了一种基于人工智能的教育资源推荐方法及系统。

技术实现思路

[0003]本专利技术提供一种基于人工智能的教育资源推荐方法及系统，用以通过对教育资源数据库中的教育资源的资源特征进行有效确定，其次，对目标用户的资源需求进行解析，实现根据资源需求从教育资源中有效确定出待推荐教育资源的目标资源特征，最后，通过对目标用户的历史学习信息进行分析，实现对目标用户的兴趣特征进行有效确定，并根据兴趣特征与待推荐教育资源的目标资源特征的匹配度，实现从待推荐教育资源中确定最优的目标教育资源，且对目标用户对最优的目标教育资源的学习情况进行实时更新，保障了用户对教育资源的有效了解，同时，提高了教育资源推荐的可靠性、及时性以及便捷性。/>[0004]本专利技术提供了一种基于人工智能的教育资源推荐方法，包括：步骤1：获取教育资源数据库，并对教育资源数据库中的教育资源数据进行处理，确定教育资源数据库中教育资源的资源特征；步骤2：读取目标用户的资源需求，并确定资源需求对应的需求特征，同时，将需求特征与教育资源数据库中教育资源的资源特征进行筛选并匹配，并基于筛选结果提取教育资源数据库中与需求特征匹配的待推荐教育资源的目标资源特征；步骤3：读取目标用户的历史学习信息，并对历史学习信息进行分析确定目标用户的兴趣特征，分别确定兴趣特征与各目标资源特征的匹配度，并基于匹配度确定每个待推荐教育资源对应的推荐值；步骤4：对每个待推荐教育资源对应的推荐值进行排序，输出最优推荐值对应的目标教育资源，同时，实时监督目标用户对目标教育资源的学习程度，并根据学习程度对目标教育资源中的学习项目进行更新推荐。
[0005]优选的，一种基于人工智能的教育资源推荐方法，步骤1中，获取教育资源数据库，并对教育资源数据库中的教育资源数据进行处理，确定教育资源数据库中教育资源的资源
特征，包括：输入资源爬取指令，并基于资源爬取指令在预设网络页面中爬取教育资源数据，并在教育资源数据中摘取无关数据，并基于摘取结果将剩余的教育资源数据进行整合，获得教育资源数据库；对教育资源数据库中的教育资源数据进行分析，确定教育资源数据库中的教育资源数据的教育类型，并基于教育类型将教育资源数据库中的教育资源数据进行分类，并基于分类结果输出教育资源数据库中教育资源的资源特征。
[0006]优选的，一种基于人工智能的教育资源推荐方法，步骤2中，读取目标用户的资源需求，并确定资源需求对应的需求特征向量，并确定资源需求对应的需求特征，包括：对目标用户的资源需求进行读取，确定资源需求的文本表达，同时，基于预设文本拆分顺序将文本表达进行拆分，获得多个子文本表达；将每个子文本表达输入至预设语义词汇库中，输出每个子文本表达在文本表达中所占的语义权重；选取最大语义权重所对应的目标子文本表达，并将目标子文本表达中的词汇作为资源需求中的目标关键词；将目标关键词输入至预设语义特征提取模型中，并基于预设语义特征提取模型输出资源需求对应的需求特征。
[0007]优选的，一种基于人工智能的教育资源推荐方法，步骤2中，根据需求特征对教育资源数据库中教育资源的资源特征进行筛选，选取待推荐教育资源的目标资源特征，包括：基于需求特征确定数据筛选索引，并基于数据筛选索引对教育资源数据库中的教育资源进行定位，且基于定位结果将需求特征与教育资源对应的资源特征进行匹配筛选；基于匹配筛选结果获取与需求特征相匹配的教育资源对应的资源特征，并将与需求特征相匹配的教育资源对应的资源特征作为待推荐教育资源的目标资源特征。
[0008]优选的，一种基于人工智能的教育资源推荐方法，步骤3中，读取目标用户的历史学习信息，并对历史学习信息进行分析，确定目标用户的兴趣特征，分别确定兴趣特征与各目标资源特征的匹配度，并基于匹配度确定每个待推荐教育资源对应的推荐值，包括：获取目标用户的身份标识，并基于身份标识生成数据访问请求，且将数据访问请求传输至预设服务器；基于预设服务器根据身份标识对预设数据库中的预存储数据进行读取，得到目标用户的历史学习信息，并对历史学习信息进行聚类处理，且对聚类处理后得到的各子历史学习信息组进行预处理，得到各子历史学习信息组对应的特征关键字序列；提取特征关键字序列的属性信息，并基于属性信息将相似度大于预设相似度阈值的子历史学习信息组对应的特征关键字序列进行合并，且基于合并结果得到目标用户的多类型访问特征向量；基于预设运算要求对预设模型库中的模型进行筛选，并基于筛选结果获取潜在模型，且基于预设训练数据对潜在模型进行训练，得到目标兴趣分析模型；将多类型访问特征向量输入目标兴趣分析模型进行分析，得到目标用户对不同类型的教育资源的访问行为特征，并基于访问行为特征得到目标用户的兴趣特征；将目标用户的兴趣特征与待推荐教育资源的目标资源特征进行匹配，并基于匹配
结果确定目标用户对不同待推荐教育资源的目标资源特征的兴趣度，且基于兴趣度确定每个待推荐教育资源对应的推荐值。
[0009]优选的，一种基于人工智能的教育资源推荐方法，步骤4中，对每个待推荐教育资源对应的推荐值进行排序，输出最优推荐值对应的目标教育资源，包括：S401：将每个待推荐教育资源对应的推荐值根据由小到大的顺序进行排序，并基于排序结果选取最大推荐值，将最大推荐值作为最优推荐值；S402：基于最优推荐值确定对应的目标教育资源，同时，获取目标教育资源的资源标签，并确定目标用户的用户终端对应的用户标识；S403：基于资源标签与用户标识对目标教育资源进行封装，获得待传输资源数据包；S404：获取目标教育资源所在的目标平台地址，同时，确定用户终端的终端地址；S405：基于目标平台地址与终端地址构建数据通信链路，同时，将待传输资源数据包基于数据通信链路传输至用户终端，完成对教育资源的推荐。
[0010]优选的，一种基于人工智能的教育资源推荐方法，步骤4中，实时监督目标用户对目标教育资源的学习程度，并根据学习程度对目标教育资源中的学习项目进行更新推荐，包括：对目标教育资源进行读取，确定目标教育资源中包含的学习项目，同时，基于目标用户的历史学习信息获取目标用户的历史学习成绩；根据目标用户的历史学习成绩对目标用户的学习能力进行评估，确定目标用户的学习能力系数；对目标教育资源中包含的每个学习项目进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的教育资源推荐方法，其特征在于，包括：步骤1：获取教育资源数据库，并对教育资源数据库中的教育资源数据进行处理，确定教育资源数据库中教育资源的资源特征；步骤2：读取目标用户的资源需求，并确定资源需求对应的需求特征，同时，将需求特征与教育资源数据库中教育资源的资源特征进行筛选并匹配，并基于筛选结果提取教育资源数据库中与需求特征匹配的待推荐教育资源的目标资源特征；步骤3：读取目标用户的历史学习信息，并对历史学习信息进行分析确定目标用户的兴趣特征，分别确定兴趣特征与各目标资源特征的匹配度，并基于匹配度确定每个待推荐教育资源对应的推荐值；步骤4：对每个待推荐教育资源对应的推荐值进行排序，输出最优推荐值对应的目标教育资源，同时，实时监督目标用户对目标教育资源的学习程度，并根据学习程度对目标教育资源中的学习项目进行更新推荐。2.根据权利要求1所述的一种基于人工智能的教育资源推荐方法，其特征在于，步骤1中，获取教育资源数据库，并对教育资源数据库中的教育资源数据进行处理，确定教育资源数据库中教育资源的资源特征，包括：输入资源爬取指令，并基于资源爬取指令在预设网络页面中爬取教育资源数据，并在教育资源数据中摘取无关数据，并基于摘取结果将剩余的教育资源数据进行整合，获得教育资源数据库；对教育资源数据库中的教育资源数据进行分析，确定教育资源数据库中的教育资源数据的教育类型，并基于教育类型将教育资源数据库中的教育资源数据进行分类，并基于分类结果输出教育资源数据库中教育资源的资源特征。3.根据权利要求1所述的一种基于人工智能的教育资源推荐方法，其特征在于，步骤2中，读取目标用户的资源需求，并确定资源需求对应的需求特征，包括：对目标用户的资源需求进行读取，确定资源需求的文本表达，同时，基于预设文本拆分顺序将文本表达进行拆分，获得多个子文本表达；将每个子文本表达输入至预设语义词汇库中，输出每个子文本表达在文本表达中所占的语义权重；选取最大语义权重所对应的目标子文本表达，并将目标子文本表达中的词汇作为资源需求中的目标关键词；将目标关键词输入至预设语义特征提取模型中，并基于预设语义特征提取模型输出资源需求对应的需求特征。4.根据权利要求1所述的一种基于人工智能的教育资源推荐方法，其特征在于，步骤2中，根据需求特征对教育资源数据库中教育资源的资源特征进行筛选，选取待推荐教育资源的目标资源特征，包括：基于需求特征确定数据筛选索引，并基于数据筛选索引对教育资源数据库中的教育资源进行定位，且基于定位结果将需求特征与教育资源对应的资源特征进行匹配筛选；基于匹配筛选结果获取与需求特征相匹配的教育资源对应的资源特征，并将与需求特征相匹配的教育资源对应的资源特征作为待推荐教育资源的目标资源特征。5.根据权利要求1所述的一种基于人工智能的教育资源推荐方法，其特征在于，步骤3
中，读取目标用户的历史学习信息，并对历史学习信息进行分析，确定目标用户的兴趣特征，分别确定兴趣特征与各目标资源特征的匹配度，并基于匹配度确定每个待推荐教育资源对应的推荐值，包括：获取目标用户的身份标识，并基于身份标识生成数据访问请求，且将数据访问请求传输至预设服务器；基于预设服务器根据身份标识对预设数据库中的预存储数据进行读取，得到目标用户的历史学习信息，并对历史学习信息进行聚类处理，且对聚类处理后得到的各子历史学习信息组进行预处理，得到各子历史学习信息组对应的特征关键字序列；提取特征关键字序列的属性信息，并基于属性信息将相似度大于预设相似度阈值的子历史学习信息组对应的特征关键字序列进行合并，且基于合并结果得到目标用户的多类型访问特征向量；基于预设运算要求对预设模型库中的模型进行筛选，并基于筛选结果获取潜在模型，且基于预设训练数据对潜在模型进行训练，得到目标兴趣分析模型；将多类型访问特征向量输入目标兴趣分析模型进行分析，得到目标用户对不同类型的教育资源的访问行为特征，并基于访问行为特征得到目标用户的兴趣特征；将目标用户的兴趣特征与待推荐教育资源的目标资源特征进行匹配，并基于匹配结果确定目标用户对不同待推荐教育资源的目标资源特征的兴趣度，且基于兴趣度确定每个待推荐教育资源对应的推荐值。6.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：王春艳，郑楠，明大理，王群，
申请(专利权)人：国信蓝桥教育科技股份有限公司，
类型：发明
国别省市：