【技术实现步骤摘要】
基于绘本阅读记录的儿童阅读水平预测方法及系统
[0001]本专利技术涉及数据预测
,尤其涉及一种基于绘本阅读记录的儿童阅读水平预测方法及系统
。
技术介绍
[0002]随着电子绘本阅读技术的发展,越来越多的儿童开始使用电子绘本阅读软件进行绘本阅读,而阅读过程留下的阅读记录,要如何用于分析儿童的阅读水平以实现后续更加准确的绘本推荐,成为了研究重点之一
。
[0003]但现有技术在实现分析儿童的阅读水平时,一般仅采用简单的数据匹配规则或者单一的阅读量评价规则,没有有效根据多个维度的评价算法来提高水平预测的准确性
。
可见,现有技术存在缺陷,亟需解决
。
技术实现思路
[0004]本专利技术所要解决的技术问题在于,提供一种基于绘本阅读记录的儿童阅读水平预测方法及系统,能够充分根据儿童的历史阅读记录来准确分析儿童阅读水平,为后续的研究或书籍推荐提供准确的数据
。
[0005]为了解决上述技术问题,本专利技术第一方面公开了一种基于绘本阅读记录的儿童阅读水平预测方法,所述方法包括:获取目标儿童用户的历史绘本阅读记录;所述历史绘本阅读记录中包括所述目标儿童用户在多个历史时间段的多个绘本阅读记录;根据每一所述历史时间段中的所述绘本阅读记录,基于阅读专注度算法,计算每一所述历史时间段对应的用户阅读专注程度参数;根据每一所述历史时间段中的所述绘本阅读记录,基于阅读吸收程度算法,计算每一所述历史时间段对应的用户阅读吸收程度参数;根据每一所述历史时间段对应 ...
【技术保护点】
【技术特征摘要】
1.
一种基于绘本阅读记录的儿童阅读水平预测方法,其特征在于,所述方法包括:获取目标儿童用户的历史绘本阅读记录;所述历史绘本阅读记录中包括所述目标儿童用户在多个历史时间段的多个绘本阅读记录;根据每一所述历史时间段中的所述绘本阅读记录,基于阅读专注度算法,计算每一所述历史时间段对应的用户阅读专注程度参数;根据每一所述历史时间段中的所述绘本阅读记录,基于阅读吸收程度算法,计算每一所述历史时间段对应的用户阅读吸收程度参数;根据每一所述历史时间段对应的所述用户阅读专注程度参数和所述用户阅读吸收程度参数,基于神经网络算法,预测所述目标儿童用户的阅读水平
。2.
根据权利要求1所述的基于绘本阅读记录的儿童阅读水平预测方法,其特征在于,所述绘本阅读记录包括所述目标儿童用户对多个绘本的阅读参数和每一所述绘本的绘本参数;所述阅读参数包括绘本阅读进度
、
绘本阅读速度
、
绘本点击操作和绘本特定页的停留时间;所述绘本参数包括所述绘本参数包括绘本图文比例
、
绘本篇幅
、
绘本词汇难度和绘本主题类型
。3.
根据权利要求2所述的基于绘本阅读记录的儿童阅读水平预测方法,其特征在于,所述根据每一所述历史时间段中的所述绘本阅读记录,基于阅读专注度算法,计算每一所述历史时间段对应的用户阅读专注程度参数,包括:对于每一所述历史时间段中的所述绘本阅读记录中的每一所述绘本,根据该绘本对应的所述阅读参数和所述绘本参数,计算该绘本对应的绘本阅读专注度参数;计算每一所述历史时间段中所有所述绘本的所述绘本阅读专注度参数的平均值,得到每一所述历史时间段对应的用户阅读专注程度参数
。4.
根据权利要求3所述的基于绘本阅读记录的儿童阅读水平预测方法,其特征在于,所述根据该绘本对应的所述阅读参数和所述绘本参数,计算该绘本对应的绘本阅读专注度参数,包括:将该绘本对应的所述阅读参数输入至训练好的阅读质量预测算法模型,以得到该绘本对应的预测阅读质量;所述阅读质量预测算法模型通过包括有多个训练绘本阅读参数和对应的阅读质量标注的训练数据集训练得到;将该绘本对应的所述绘本参数输入至训练好的绘本难度预测算法模型,以得到该绘本对应的预测绘本难度;所述绘本难度预测算法模型通过包括有多个训练绘本参数和对应的绘本难度标注的训练数据集训练得到;计算所述预测阅读质量和所述预测绘本难度的乘积,得到该绘本对应的绘本阅读专注度参数
。5.
根据权利要求4所述的基于绘本阅读记录的儿童阅读水平预测方法,其特征在于,所述根据每一所述历史时间段中的所述绘本阅读记录,基于阅读吸收程度算法,计算每一所述历史时间段对应的用户阅读吸收程度参数,包括:对于每一所述历史时间段,基于相似度算法,从该历史时间段的所述绘本阅读记录中筛选出第一绘本阅读记录,从该历史时间段的下一时间段的所述绘本阅读记录中筛选出第二绘本阅读记录;根据所述阅读质量预测算法模型,计算该历史时间段的所述第一绘本阅读记录中所有
绘本对应的所述预测阅读质量的平均值,得到该历史时间段对应的第一阅读质量参数;根据所述阅读质量预测算法模型,计算所述第二绘本阅读记录中所有所述绘本的所述预测阅读质量的平均值,得到所述下一时间段对应的第二阅读质量参数;计算所述第一阅读质量参数和所述第二阅读质量参数的参数差,计算该历史时间段和所述下一时间段之间的时间差;计算所述参数差和所述时间差的比值...
【专利技术属性】
技术研发人员:李坤坤,刘钦玉,
申请(专利权)人:广州道然信息科技有限公司,
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。