【技术实现步骤摘要】
一种便携式学习机及其资源检索方法
[0001]本专利技术数据检索
,尤其涉及一种便携式学习机及其资源检索方法。
技术介绍
[0002]在现代教育中,学习机成为一种重要的教育辅助工具,帮助学生获取知识和提升学习效果,学习机能够提供多种资源,如教材、习题、视频等,帮助学生进行自主学习和知识掌握,由于资源数量庞大且种类繁多,学生常常面临资源检索困难的问题。然而,传统的便携式学习机的资源检索方法通常采用简单的关键字搜索方法,推送的信息可能不精准,并且推送的信息内容往往单一且不够丰富,不能帮助学生进行关联性的学习,但这种方法往往难以满足学生的具体需求。
技术实现思路
[0003]基于此,本专利技术提供一种便携式学习机及其资源检索方法,以解决至少一个上述技术问题。
[0004]为实现上述目的,一种便携式学习机的资源检索方法,包括以下步骤:
[0005]步骤S1:利用网络爬虫技术对云服务器进行数据爬取,获得学习机的原始资源数据;利用深度学习算法对原始资源数据进行缺失数据填充处理,生成初始资源数据;
[0006]步骤S2:对初始资源数据进行数据预处理及特征提取,获得特征资源数据;
[0007]步骤S3:利用决策树算法对特征资源数据进行数据分类,分别生成分类资源类别与分类资源数据;
[0008]步骤S4:基于分类资源类别进行资源数据的资源网络建立,并利用分类资源数据进行网络节点数据填充,生成初始资源网络;对初始资源网络进行关联性优化,生成关联资源网络;
[0009] ...
【技术保护点】
【技术特征摘要】
1.一种便携式学习机的资源检索方法,其特征在于,包括以下步骤:步骤S1:利用网络爬虫技术对云服务器进行数据爬取,获得学习机的原始资源数据;利用深度学习算法对原始资源数据进行缺失数据填充处理,生成初始资源数据;步骤S2:对初始资源数据进行数据预处理及特征提取,获得特征资源数据;步骤S3:利用决策树算法对特征资源数据进行数据分类,分别生成分类资源类别与分类资源数据;步骤S4:基于分类资源类别进行资源数据的资源网络建立,并利用分类资源数据进行网络节点数据填充,生成初始资源网络;对初始资源网络进行关联性优化,生成关联资源网络;步骤S5:获取用户检索数据;利用用户检索数据对关联资源网络进行数据资源定位及相关资源关联推荐,生成资源检索数据。2.根据权利要求1所述的便携式学习机的资源检索方法,其特征在于,步骤S1包括以下步骤:步骤S11:根据预设的数据范畴对云服务器进行学习机的数据资源定位,生成待获取学习机资源列表;步骤S12:利用网络爬虫技术对待获取学习机资源列表进行数据爬取,获得学习机的原始资源数据;步骤S13:对原始资源数据进行数据清洗处理,生成清洗资源数据;步骤S14:对清洗资源数据进行缺失值比例计算,生成分类资源数据的数据缺失值比例;步骤S15:根据预设的数据完整性阈值对分类资源数据进行数据校验,当数据缺失值比例小于数据完整性阈值时,则将分类资源数据标记为缺失资源数据;当数据缺失值比例不小于数据完整性阈值时,则将分类资源数据标记为达标资源数据;步骤S16:利用深度学习算法对缺失资源数据进行数据填充,生成填充资源数据;步骤S17:将达标资源数据与填充资源数据进行数据整合,生成初始资源数据。3.根据权利要求2所述的便携式学习机的资源检索方法,其特征在于,步骤S16包括以下步骤:步骤S161:利用深度学习算法建立修复缺失资源数据的映射关系,生成初始修复资源数据模型;步骤S162:利用达标资源数据对初始修复资源数据模型进行修复资源数据模型训练,生成修复资源数据模型;步骤S163:将缺失资源数据传输至修复资源数据模型中进行缺失资源数据的数据填充值预测处理,生成填充信息;步骤S164:利用填充信息对缺失资源数据进行数据填充,生成填充资源数据。4.根据权利要求3所述的便携式学习机的资源检索方法,其特征在于,步骤S2包括以下步骤:步骤S21:利用最小
‑
最大归一化法对降噪资源数据进行数据归一化,生成归一化资源数据;步骤S22:利用主成分分析法对归一化资源数据进行冗余数据降维处理,生成降维资源
数据;步骤S23:利用特征工程对降维资源数据进行特征提取处理,获得特征资源数据。5.根据权利要求4所述的便携式学习机的资源检索方法,其特征在于,步骤S3包括以下步骤:步骤S31:基于决策树算法建立资源类型分类的映射关系,生成初始分类资源模型;步骤S32获取数据库中的分类资源信息;步骤S33:利用分类资源信息对初始分类资源模型进行分类资源模型训练,生成分类资源模型;步骤S34:将特征资源数据传输至分类资源模型中进行数据资源分类,分别生成分类资源类别与分类资源数据。6.根据权利要求5所述的便携式学习机的资源检索方法,其特征在于,步骤S4包括以下步骤:步骤S41:基于分类资源类别进行资源...
【专利技术属性】
技术研发人员:张玉乐,韩书明,李宁,
申请(专利权)人:深圳市涵通科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。