基于大数据的教育机器人课程个性化推荐系统技术方案

本发明专利技术涉及行为数据预测技术领域，具体涉及基于大数据的教育机器人课程个性化推荐系统

【技术实现步骤摘要】
基于大数据的教育机器人课程个性化推荐系统


[0001]本专利技术涉及行为数据预测
，具体涉及一种基于大数据的教育机器人课程个性化推荐系统
。

技术介绍

[0002]随着大数据时代的到来，通过分析海量用户观看行为数据构建用户兴趣模型，是绝大部分互联网公司进行用户个性化分析及推荐的主要方式，也是最为高效
、
反馈最好的方式
。
而用于激发学习兴趣
、
培养综合能力的教育机器人也是通过在教学过程中分析用户的学习行为和兴趣喜好，为用户推荐最适合的课程内容和学习资源
。
[0003]但常规利用大数据对用户进行课程个性化推荐时，只依据用户在一定时间段内的历史观看视频课程的内容进行相关推荐，忽略了用户在观看过程中的实际观看行为，可能导致教育机器人将用户短暂浏览过但因不合适并未认真学习观看的课程内容当作用户的感兴趣课程视频，并向用户进行推荐类似课程；同时，教育机器人进行教学和相关课程推荐时，局限于用户观看课程的反馈进行相关课程推荐，无法预测用户在在未来可能感兴趣的课程，导致推荐课程单调没有个性化
。

技术实现思路

[0004]为了解决现有大数据分析并未考虑用户观看行为及未预测用户的潜在感兴趣课程，导致教育机器人未个性化推荐且向用户推荐不感兴趣课程的技术问题，本专利技术的目的在于提供一种基于大数据的教育机器人课程个性化推荐系统，所采用的技术方案具体如下：
[0005]本专利技术提出一种基于大数据的教育机器人课程个性化推荐系统，所述系统包括：
[0006]用户行为数据采集模块，用于在教育机器人的数据库中，获取所有用户在待推荐时刻之前预设时间段内观看每个课程视频的行为数据；
[0007]用户行为数据分析模块，用于分析用户所述行为数据，获取用户对每个课程视频的视频感兴趣度；根据所述视频感兴趣度及视频标签的出现频次，获取用户对每个视频标签的标签喜好度；根据所述标签喜好度筛选用户的喜好标签；
[0008]潜在喜好信息获取模块，用于根据用户与其他用户间所述喜好标签的标签喜好度差异及相同喜好标签数量，筛选对应用户的相似喜好用户；分析用户与所述相似喜好用户间所述喜好标签的差异，获取用户未接触过的疑似喜好标签；在每个所述疑似喜好标签对应课程视频中，根据用户接触过的视频标签的数量及所述标签喜好度，获取用户对课程视频的潜在感兴趣度；根据所述疑似喜好标签对应课程视频的潜在感兴趣度和所述疑似喜好标签的出现频次，获取对应所述疑似喜好标签的潜在喜好度；根据所述潜在喜好度在所述疑似喜好标签中筛选出潜在喜好标签；
[0009]课程个性化推荐模块，根据用户的所述潜在喜好标签及所述喜好标签，获取潜在感兴趣课程视频；迭代获取每个预设周期内的所述潜在感兴趣课程视频，并向用户进行个
性化推荐
。
[0010]进一步地，所述行为数据分别为每个课程视频的观看次数和视频时长
、
每次观看时的暂停次数和观看时长及快进时长
。
[0011]进一步地，所述获取用户对每个课程视频的视频感兴趣度包括：
[0012]根据每次课程视频观看过程中所述观看时长与所述快进时长的时长差值，获取有效观看时长；计算所述有效观看时长在所述视频时长的时长占比，将所述时长占比与所述暂停次数相乘，获取用户在每次观看对应课程视频的行为特征值，将每次观看对应课程视频的行为特征值累加后乘以所述观看次数，获得用户对对应课程视频的视频感兴趣度
。
[0013]进一步地，所述获取用户对每个课程视频标签的标签喜好度包括：
[0014]在用户观看过的所有课程视频中筛选含有当前视频标签的目标视频，将所述目标视频的所述视频感兴趣度的均值乘以所述目标视频的数量并归一化，获得对应视频标签的标签喜好度
。
[0015]进一步地，所述筛选对应用户的相似喜好用户包括：
[0016]根据每个用户所述喜好标签的所述标签喜好度进行降序排序，获得对应的标签序列；
[0017]获取用户与其他用户间的相同喜好标签在对应所述标签序列中的位置差异，将所述位置差异乘以相同喜好标签对应的所述标签喜好度的差异后进行负相关映射，将所有相同喜好标签的负相关映射结果求平均后加上相同喜好标签数量，再进行归一化获得用户与所有其他用户间的对应标签序列的序列相似度；
[0018]将所述序列相似度大于预设相似度阈值的所述标签序列对应的用户作为相似喜好用户
。
[0019]进一步地，所述获取用户未接触过的疑似喜好标签包括：
[0020]获取用户与所有所述相似喜好用户的所述喜好标签的标签集合；将每个所述相似喜好用户与用户间的所述标签集合求差集，获得用户所有的疑似喜好标签集合，每个所述疑似喜好标签集合内的视频标签均为用户未接触过的疑似喜好标签
。
[0021]进一步地，所述获取用户对课程视频的潜在感兴趣度包括：
[0022]在所述疑似喜好标签对应的每个课程视频中，获取用户接触过的所有视频标签的所述标签喜好度之和，将用户接触过的视频标签数量与所有视频标签数量的数量占比，与所述标签喜好度之和相乘，获得用户对课程视频的所述潜在感兴趣度；
[0023]进一步地，所述获取所述疑似喜好标签的潜在喜好度包括：
[0024]将所有所述疑似喜好标签对应课程视频的潜在感兴趣度累加后乘以所述疑似喜好标签的出现频次，获得对应所述疑似喜好标签的潜在喜好度
。
[0025]进一步地，所述根据所述潜在喜好度在所述疑似喜好标签中筛选潜在喜好标签包括：
[0026]将所述潜在喜好度最大的所述疑似喜好标签作为潜在喜好标签
。
[0027]进一步地，所述获取潜在感兴趣课程视频包括：
[0028]在教育机器人的视频库内，获取包含所述潜在喜好标签
、
所述喜好标签且用户未接触过的视频标签数量小于等于预设数量的课程视频作为用户的潜在感兴趣课程视频
。
[0029]本专利技术具有如下有益效果：
[0030]本专利技术考虑到用户在观看过程中的行为信息反映了用户对课程视频的感兴趣程度，故通过分析待推荐时刻之前的预设时间段内用户的行为信息获取用户对课程视频的视频感兴趣度，进而通过视频感兴趣度获取每个视频标签的标签喜好度并筛选喜好标签；考虑到用户间的喜好差异不仅反映相似的兴趣喜好更为用户潜在兴趣的预测提供参考，故通过分析相同喜好标签的差异获取相似喜好用户；根据用户与相似喜好用户间喜好的差异获取用户未接触过的疑似喜好标签，但存在用户对该疑似喜好标签喜好度较低的可能性，故在疑似喜好标签对应课程视频中根据疑似喜好标签视频中接触过的视频标签数量及标签喜好度，获取用户对课程视频的潜在感兴趣度，进一步结合疑似喜好标签的出现频次获取用户对疑似喜好标签的潜在喜好度；筛选潜在喜好标签，潜在喜好标签表现了用户未来潜在的兴趣爱好，结合用户当前的喜好标签筛选出用户未来的潜在感兴趣课程视频；通过不断迭代获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的教育机器人课程个性化推荐系统，其特征在于，所述系统包括：用户行为数据采集模块，用于在教育机器人的数据库中，获取所有用户在待推荐时刻之前预设时间段内观看每个课程视频的行为数据；用户行为数据分析模块，用于分析用户的所述行为数据，获取用户对每个课程视频的视频感兴趣度；根据所述视频感兴趣度及视频标签的出现频次，获取用户对每个视频标签的标签喜好度；根据所述标签喜好度筛选用户的喜好标签；潜在喜好信息获取模块，用于根据用户与其他用户间所述喜好标签的标签喜好度差异及相同喜好标签数量，筛选对应用户的相似喜好用户；分析用户与所述相似喜好用户间所述喜好标签的差异，获取用户未接触过的疑似喜好标签；在每个所述疑似喜好标签对应课程视频中，根据用户接触过的视频标签的数量及所述标签喜好度，获取用户对课程视频的潜在感兴趣度；根据所述疑似喜好标签对应课程视频的所述潜在感兴趣度和所述疑似喜好标签的出现频次，获取对应所述疑似喜好标签的潜在喜好度；根据所述潜在喜好度在所述疑似喜好标签中筛选出潜在喜好标签；课程个性化推荐模块，根据用户的所述潜在喜好标签及所述喜好标签，获取潜在感兴趣课程视频；迭代获取每个预设周期内的所述潜在感兴趣课程视频，并向用户进行个性化推荐
。2.
根据权利要求1所述的基于大数据的教育机器人课程个性化推荐系统，其特征在于，所述行为数据分别为每个课程视频的观看次数和视频时长
、
每次观看时的暂停次数和观看时长及快进时长
。3.
根据权利要求2所述的基于大数据的教育机器人课程个性化推荐系统，其特征在于，所述获取用户对每个课程视频的视频感兴趣度包括：根据每次课程视频观看过程中所述观看时长与所述快进时长的时长差值，获取有效观看时长；计算所述有效观看时长在所述视频时长的时长占比，将所述时长占比与所述暂停次数相乘，获取用户在每次观看对应课程视频的行为特征值，将每次观看对应课程视频的行为特征值累加后乘以所述观看次数，获得用户对对应课程视频的视频感兴趣度
。4.
根据权利要求1所述的基于大数据的教育机器人课程个性化推荐系统，其特征在于，所述获取用户对每个课程视频标签的标签喜好度包括：在用户观看过的所有课程视频中筛选含有当前视频标签的目标视频，将所述目标视频的所述视频感兴趣度的均值乘以所述目标视频的数量并归一化，获得对应视频标签的标签喜好度
。5.
根...

【专利技术属性】
技术研发人员：田膨源，谢靖，田晨中，刘海霞，刘玉梅，
申请(专利权)人：中晨田润实业有限公司，
类型：发明
国别省市：