在线学习平台的课程推荐方法技术

本发明专利技术公开了一种在线学习平台的课程推荐方法

【技术实现步骤摘要】
在线学习平台的课程推荐方法、装置、计算机设备及介质


[0001]本专利技术属于数据处理
，特别是涉及一种在线学习平台的课程推荐方法
、
装置
、
计算机设备及介质
。

技术介绍

[0002]随着互联网的普及与推广，各大高校的教学与管理都实现了信息化
,
学生可以随时随地在线学习，通过学习平台记录的学生行为数据能够全面
、
系统地反映出大学生的学习行为规律
。
由于在线学习平台拥有海量数据，学生想要精准获取学习视频较难，现有的推荐算法单一，基于授课教师异或者平台最多学习人次等强关联关系推荐，无法满足学生需要的个性化推荐算法，不能把学生真正需要的视频呈现给学生
。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，提供一种在线学习平台的课程推荐方法
、
装置
、
计算机设备及介质
。
[0004]本专利技术的目的是通过以下技术方案来实现的：本专利技术的第一方面提供了一种在线学习平台的课程推荐方法，包括：获取每个课程的热度和对应的知识点；根据学生的基础筛选参数对课程进行筛选得到课程初筛数据，所述学生的基础筛选参数包括学生的授课老师和学生所属学院；将学生的学习行为数据和课程初筛数据进行加权运算，得到初筛推荐集合；根据学生对知识点的熟练度和掌握度构建知识点学习掌握模型；根据学生的知识点学习模型为学生最近所学知识点及最近所学知识点在知识图谱中的相邻知识点确定推荐权重值；将所述推荐权重值与初筛推荐集合进行加权计算得到课程推荐结果
。
[0005]进一步地，所述课程的热度计算公式为：
H = （学生观看时长
wd
）
/(
学生观看次数
wt)*d1+
弹幕量
*d2+
评论量
*d3+
点赞数
*d4式中，
H
表示课程的热度，
d1、d2、d3、d4均为预设权重值
。
[0006]进一步地，所述学生的学习行为数据包括学生的课程观看时长
、
观看频次
、
点赞行为数据和收藏行为数据
。
[0007]进一步地，根据学生对知识点的熟练度和掌握度构建知识点学习掌握模型，包括：根据课程观看时长和观看频次计算学生对相应知识点的熟练度；根据学生上课答题的准确度和课程考试的数据计算学生对知识点的掌握度；根据所述熟练度和掌握度构建学生的知识点学习掌握模型
。
[0008]进一步地，根据学生的知识点学习模型为学生最近所学知识点及最近所学知识点在知识图谱中的相邻知识点确定推荐权重值时，知识点的认知度越低，则该知识点的推荐权重值越大
。
[0009]进一步地，将所述推荐权重值与初筛推荐集合进行加权计算得到课程推荐结果，包括：判断最近所学知识点的掌握度
Z
是否大于阈值，若是，则获取其下一级知识点作为推荐知识点
S1，否则，获取其上一级知识点作为推荐知识点
S2；生成推荐知识点集合
S
t
=T(S1,S2,Z)
，其中，
T
（）表示
T
函数；将推荐知识点集合与初筛推荐集合进行知识点匹配，并加权运算得到课程推荐结果
。
[0010]进一步地，所述课程推荐方法还包括：在学生点击观看推荐的课程时，为该课程对应知识点的推荐权重值增加持续第一预设时长的预设加分；在学生观看推荐的课程点击不喜欢时，为该课程对应知识点的推荐权重值增加持续第二预设时长的预设减分；学生检索课程命中某课程，并观看该课程的时间大于预设值，则为该课程对应知识点的推荐权重值增加持续第一预设时长的预设加分
。
[0011]本专利技术的第二方面提供了一种在线学习平台的课程推荐装置，包括：课程数据获取模块，用于获取每个课程的热度和对应的知识点；第一初筛模块，用于根据学生的基础筛选参数对课程进行筛选得到课程初筛数据，所述学生的基础筛选参数包括学生的授课老师和学生所属学院；第二初筛模块，用于将学生的学习行为数据和课程初筛数据进行加权运算，得到初筛推荐集合；模型构建模块，用于根据学生对知识点的熟练度和掌握度构建知识点学习掌握模型；权重确定模块，用于根据学生的知识点学习模型为学生最近所学知识点及最近所学知识点在知识图谱中的相邻知识点确定推荐权重值；结果生成模块，用于将所述推荐权重值与初筛推荐集合进行加权计算得到课程推荐结果
。
[0012]本专利技术的第三方面提供了一种电子设备，包括：存储器，所述存储器存储执行指令；以及处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行本专利技术的第一方面所述的在线学习平台的课程推荐方法
。
[0013]本专利技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现本专利技术的第一方面所述的在线学习平台的课程推荐方法
。
本专利技术的有益效果是：（1）本专利技术根据用户学习行为记录计算出用户对课程知识点的相对熟练度
、
掌握度，再根据知识图谱的知识点路径，可以计算出学生对学习知识点感兴趣或者需要学习的相关知识点，再根据课程的热度算法推荐学生学习相关知识点更优质的课程；（2）本专利技术可以提高学生学习知识点相关内容的检索效率，再根据学生实时反馈的推荐学习记录修正个性化推荐数据，实现推荐学生学习当前学习知识点有关联的学习视
频数据；（3）本专利技术避免了学生同质化的推荐内容，实现了千人千面的推荐内容，针对不同学生学习情况进行课程推荐
。
附图说明
[0014]图1为本专利技术中课程推荐方法的一种流程图；图2为本专利技术中生成推荐结果的一种示意图；图3为本专利技术中课程推荐装置的一种组成框图
。
具体实施方式
[0015]下面将结合实施例，对本专利技术的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0016]参阅图1至图3，本专利技术提供一种在线学习平台的课程推荐方法
、
装置
、
计算机设备及介质：本实施例的第一方面公开了一种在线学习平台的课程推荐方法，如图1所示，所述课程推荐方法包括步骤
S100
至步骤
S600。
[0017]步骤
S100.
获取每个课程的热度和对应的知识点
。
[0018]例如，对所有课程的视频流进行语音识别，生成课程语音内容文本讲义，并对课程
PPT
视频流进行
PPT
抽帧，把本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
在线学习平台的课程推荐方法，其特征在于，包括：获取每个课程的热度和对应的知识点；根据学生的基础筛选参数对课程进行筛选得到课程初筛数据，所述学生的基础筛选参数包括学生的授课老师和学生所属学院；将学生的学习行为数据和课程初筛数据进行加权运算，得到初筛推荐集合；根据学生对知识点的熟练度和掌握度构建知识点学习掌握模型；根据学生的知识点学习模型为学生最近所学知识点及最近所学知识点在知识图谱中的相邻知识点确定推荐权重值；将所述推荐权重值与初筛推荐集合进行加权计算得到课程推荐结果
。2.
根据权利要求1所述的在线学习平台的课程推荐方法，其特征在于，所述课程的热度计算公式为：
H = （学生观看时长
wd
）
/(
学生观看次数
wt)*d1+
弹幕量
*d2+
评论量
*d3+
点赞数
*d4式中，
H
表示课程的热度，
d1、d2、d3、d4均为预设权重值
。3.
根据权利要求1所述的在线学习平台的课程推荐方法，其特征在于，所述学生的学习行为数据包括学生的课程观看时长
、
观看频次
、
点赞行为数据和收藏行为数据
。4.
根据权利要求1所述的在线学习平台的课程推荐方法，其特征在于，根据学生对知识点的熟练度和掌握度构建知识点学习掌握模型，包括：根据课程观看时长和观看频次计算学生对相应知识点的熟练度；根据学生上课答题的准确度和课程考试的数据计算学生对知识点的掌握度；根据所述熟练度和掌握度构建学生的知识点学习掌握模型
。5.
根据权利要求1所述的在线学习平台的课程推荐方法，其特征在于，根据学生的知识点学习模型为学生最近所学知识点及最近所学知识点在知识图谱中的相邻知识点确定推荐权重值时，知识点的认知度越低，则该知识点的推荐权重值越大
。6.
根据权利要求1所述的在线学习平台的课程推荐方法，其特征在于，将所述推荐权重值与初筛推荐集合进行加权计算得到课程推荐结果，包括...

【专利技术属性】
技术研发人员：兰贞祥，张苑，赵小康，叶树林，王苛，黄信云，唐蛟，
申请(专利权)人：成都华栖云科技有限公司，
类型：发明
国别省市：