System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,并且更具体地,涉及一种个性化推送方法及系统。
技术介绍
1、随着互联网和移动技术的迅猛发展,许多人都可以轻松获得高质量的网络连接。这为线上授课提供了稳定的技术基础,使教育者和学习者可以实现远程教学和学习。线上授课为学习者提供了更大的时间和地点灵活性。学习者可以根据自己的时间安排,在家中或其他地点参与学习,从而更好地平衡学习、工作和生活。线上授课通常比传统面对面授课更经济实惠。学习者不需要支付额外的交通费用和住宿费用,同时教育机构也能减少物理场地和设施成本。虚拟现实技术可以为学习者提供更加沉浸式的学习体验。学习者可以在虚拟环境中进行实际操作、模拟实验和互动,从而更好地理解和应用所学知识。
技术实现思路
1、本专利技术的目的在于在利用虚拟环境提供一种良好的学习环境,以供学习者更好的学习知识,因此本专利技术提出了一种个性化推送方法,包括:
2、收集网络学习用户的网络浏览数据,基于数据特征提取模型,提取出所述网络浏览数据的数据特征,基于所述数据特征,为所述网络学习用户制定推送方案;
3、基于所述推送方案,生成个性化推送消息,建立学习网络,基于所述学习网络对所述基于所述推送方案,生成个性化推送消息的生成过程,进行学习,以生成个性化推送网络;
4、对所述数据特征提取模型及所述个性化推送网络进行融合,以得到个性化推送模型;
5、获取目标网络学习用户的目标网络浏览数据,基于所述个性化推送模型对所述目标网络浏览数据进行识别,以生
6、可选的,收集网络学习用户的网络浏览数据后,对所述网络浏览数据进行预处理。
7、可选的,对网络浏览数据进行预处理,包括:
8、剔除所述网络浏览数据中与学习无关的浏览数据;
9、所述与学习无关的浏览数据,包括:娱乐数据和购物数据。
10、可选的,数据特征,包括如下中的至少一种:学习时间特征、知识类型特征、知识难易程度特征和知识展现形式特征。
11、可选的,推送方案,包括:
12、推送时间、推送知识类型和推送知识的展现形式。
13、可选的,基于所述推送方案,生成个性化推送消息,包括:
14、获取目标知识,并基于所述ar技术及推送方案,根据所述目标知识,生成定制化的知识教学方案,并基于所述推送方案及所述知识教学方案,生成个性化推送消息。
15、可选的,对所述数据特征提取模型及所述个性化推送网络进行融合,具体为:
16、将所述数据特征提取模型与所述个性化推送网络进行关联,使数据特征提取模型的输出,作为所述个性化推送网络的输入。
17、可选的,方法还包括:
18、收集每日目标网络学习用户对于目标个性化推送消息的浏览数据,基于浏览数据的数据特征生成更新参数,基于所述更新参数对个性化推送模型进行实时更新。
19、可选的,方法还包括:基于个性化推送模型,根据目标个性化推送消息,生成关联推送消息,以为目标网络学习用户推送关联推送消息;
20、所述关联推送消息,包括:目标个性化推送消息中全部知识数据的关联知识数据。
21、可选的,方法,还包括:
22、对每日的目标个性化推送消息进行汇总分类,得到多类的推送消息,确定每类推送消息的权重,针对权重大的推送消息,基于ar技术生成培训类教学消息,将所述培训类教学消息,作为通用消息进行推送。
23、再一方面,本专利技术还提出了一种个性化推送系统,包括:
24、数据采集单元,用于收集网络学习用户的网络浏览数据,基于数据特征提取模型,提取出所述网络浏览数据的数据特征,基于所述数据特征,为所述网络学习用户制定推送方案;
25、训练单元,用于基于所述推送方案,生成个性化推送消息,建立学习网络,基于所述学习网络对所述基于所述推送方案,生成个性化推送消息的生成过程,进行学习,以生成个性化推送网络;
26、融合单元,用于对所述数据特征提取模型及所述个性化推送网络进行融合,以得到个性化推送模型;
27、推送单元,用于获取目标网络学习用户的目标网络浏览数据,基于所述个性化推送模型对所述目标网络浏览数据进行识别,以生成为所述目标网络学习用户推送的目标个性化推送消息。
28、可选的,收集网络学习用户的网络浏览数据后,对所述网络浏览数据进行预处理。
29、可选的,对网络浏览数据进行预处理,包括:
30、剔除所述网络浏览数据中与学习无关的浏览数据;
31、所述与学习无关的浏览数据,包括:娱乐数据和购物数据。
32、可选的,数据特征,包括如下中的至少一种:学习时间特征、知识类型特征、知识难易程度特征和知识展现形式特征。
33、可选的,推送方案,包括:
34、推送时间、推送知识类型和推送知识的展现形式。
35、可选的,基于所述推送方案,生成个性化推送消息,包括:
36、获取目标知识,并基于所述ar技术及推送方案,根据所述目标知识,生成定制化的知识教学方案,并基于所述推送方案及所述知识教学方案,生成个性化推送消息。
37、可选的,对所述数据特征提取模型及所述个性化推送网络进行融合,具体为:
38、将所述数据特征提取模型与所述个性化推送网络进行关联,使数据特征提取模型的输出,作为所述个性化推送网络的输入。
39、可选的,推送单元还用于:
40、收集每日目标网络学习用户对于目标个性化推送消息的浏览数据,基于浏览数据的数据特征生成更新参数,基于所述更新参数对个性化推送模型进行实时更新。
41、可选的,推送单元还用于:
42、基于个性化推送模型,根据目标个性化推送消息,生成关联推送消息,以为目标网络学习用户推送关联推送消息;
43、所述关联推送消息,包括:目标个性化推送消息中全部知识数据的关联知识数据。
44、可选的,推送单元还用于:
45、对每日的目标个性化推送消息进行汇总分类,得到多类的推送消息,确定每类推送消息的权重,针对权重大的推送消息,基于ar技术生成培训类教学消息,将所述培训类教学消息,作为通用消息进行推送。
46、再一方面,本专利技术还提供了一种计算设备,包括:一个或多个处理器;
47、处理器,用于执行一个或多个程序;
48、当所述一个或多个程序被所述一个或多个处理器执行时,实现如上述所述的方法。
49、再一方面,本专利技术还提供了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现如上述所述的方法。
50、与现有技术相比,本专利技术的有益效果为:
51、本专利技术提供了一种个性化推送方法,包括:收集网络学习用户的网络浏览数据,基于数据特征提取模型,提取出本文档来自技高网...
【技术保护点】
1.一种个性化推送方法,其特征在于,所述个性化推送方法,包括:
2.根据权利要求1所述的个性化推送方法,其特征在于,所述收集网络学习用户的网络浏览数据后,对所述网络浏览数据进行预处理;
3.根据权利要求1所述的个性化推送方法,其特征在于,所述推送方案,包括:
4.根据权利要求1所述的个性化推送方法,其特征在于,所述方法还包括:
5.一种个性化推送系统,其特征在于,所述个性化推送系统,包括:
6.根据权利要求5所述的个性化推送系统,其特征在于,所述收集网络学习用户的网络浏览数据后,对所述网络浏览数据进行预处理;
7.根据权利要求5所述的个性化推送系统,其特征在于,所述推送方案,包括:
8.根据权利要求5所述的个性化推送系统,其特征在于,所述推送单元还用于:
9.一种计算机设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,其上存有计算机程序,所述计算机程序被执行时,实现如权利要求1-4中任一所述的方法。
【技术特征摘要】
1.一种个性化推送方法,其特征在于,所述个性化推送方法,包括:
2.根据权利要求1所述的个性化推送方法,其特征在于,所述收集网络学习用户的网络浏览数据后,对所述网络浏览数据进行预处理;
3.根据权利要求1所述的个性化推送方法,其特征在于,所述推送方案,包括:
4.根据权利要求1所述的个性化推送方法,其特征在于,所述方法还包括:
5.一种个性化推送系统,其特征在于,所述个性化推送系统,包括:
6.根据权利要...
【专利技术属性】
技术研发人员:程念胜,胡文卓,何晖洋,周弘,向泽群,杨渐荣,
申请(专利权)人:航天信息股份有限公司,
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。