【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。