【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 ...
【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:
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。