[發明專利]一種基于用戶學習偏好的學習資源推送方法及系統

在審

• 申請號: 201711087638.3
• 申請日: 2017-11-07
• 公開（公告）號: CN107800801A
• 公開（公告）日: 2018-03-13
• 發明（設計）人: 楊志和
• 申請（專利權）人: 上海電機學院
• 主分類號: H04L29/08
• 分類號: H04L29/08;G06F17/30
• 代理公司: 上海申匯專利代理有限公司31001
• 代理人: 翁若瑩,吳小麗

1.一種基于用戶學習偏好的學習資源推送方法，其特征在于，包括如下步驟：

步驟1：獲取不同用戶的學習偏好，根據不同的學習偏好建立用戶屬性庫；

步驟2：對各類學習資源按照不同的屬性進行分類，建立數字資源屬性庫；

步驟3：根據用戶屬性庫與數字資源屬性庫之間的對應關系建立推薦模型，根據不同的用戶屬性，推薦模型自動選擇對應屬性的數字資源進行個性化學習資源推送。

2.如權利要求1所述的一種基于用戶學習偏好的學習資源推送方法，其特征在于：所述步驟1中，采用直接調查問卷法獲取用戶的學習偏好；所述直接調查問卷法是將學習偏好分類設計為多個區，學習者在各區圈選符合個人學習興趣的選項，然后將各區的圈選數加總起來，計算各區圈選數占自己圈選總數的比率，比率最高的即為個人所屬學習特質分區。

3.如權利要求1所述的一種基于用戶學習偏好的學習資源推送方法，其特征在于：所述步驟1中，采用間接學習行為數據分析法獲取用戶的學習偏好；所述間接學習行為數據分析法是選取分析用戶網絡學習的行為指標，分析WEB日志，捕獲其某個時間段內的資源訪問路徑，識別和分析學習者的資源訪問路徑，通過行為數據建模，最后使用協同過濾技術從用戶訪問的URL數據和資源訪問路徑數據等進行行為分析，獲取用戶的學習偏好。

4.如權利要求1所述的一種基于用戶學習偏好的學習資源推送方法，其特征在于：所述步驟3中，推薦模型采用協同過濾推薦算法為主、內容推薦算法為輔進行分析和推薦；

所述協同過濾推薦算法中，首先計算學習者的興趣相似性，然后選擇相似性最高的若干學習者作為目標學習者的最近鄰居，根據最近鄰學習者對資源的興趣度，預測目標學習者對未選擇和訪問的那些類別資源的興趣度，并將興趣度高于設定閾值的那些類別資源推薦給目標學習者；

所述內容推薦算法基于學習者以往的瀏覽行為和日志數據來計算學習者的興趣，從而推薦與學習者以往興趣相吻合的資源。

5.一種基于用戶學習偏好的學習資源推送系統，其特征在于：采用如權利要求1～3任一項所述的基于用戶學習偏好的學習資源推送方法，系統包括展現界面層、推送服務層和資源服務層；資源服務層負責數據存儲，由學習資源管理引擎管理學習資源庫、學習者信息庫和偏好模式庫；推送服務層通過推薦引擎進行業務邏輯處理，用于根據學習者的偏好實施學習資源的個性化推送；展現界面層基于瀏覽器的WebOS、門戶網站進行學習資源推送的界面展示。

6.如權利要求5所述的一種基于用戶學習偏好的學習資源推送系統，其特征在于：所述展現界面層為學習者提供學習資源定制、瀏覽、學習和評價的個性化界面；不同學習偏好的學習者看到的資源列表、推薦信息和評價的界面都是不同的，每當授權學習者登錄系統，經過身份認證之后，識別并調取其偏好模式，基于其偏好模式為其呈現符合個性化需要的資源界面。

7.如權利要求5所述的一種基于用戶學習偏好的學習資源推送系統，其特征在于：所述推送服務層根據學習者的偏好模式構建學習者模型，為推薦引擎提供推薦依據；同時根據學習者的偏好模式構建資源模型，不同偏好模式所對應的資源的組織、呈現和推薦序列是不同的；基于學習者模型和資源模型構建推薦模型，進而實現個性化推薦的目的。

8.如權利要求7所述的一種基于用戶學習偏好的學習資源推送系統，其特征在于：所述學習者模型的構建過程其實質是學習者一資源興趣矩陣的形成過程，基于學習者一資源興趣矩陣計算學習社區中學習者之間的興趣相似性，依據興趣的相似性進行學習者聚類分析，從而實現基于相似學習者的資源興趣預測目標學習者的資源需求。

9.如權利要求5或7所述的一種基于用戶學習偏好的學習資源推送系統，其特征在于：所述推薦引擎采用協同過濾推薦算法為主、內容推薦算法為輔進行分析和推薦；

所述協同過濾推薦算法中，首先計算學習者的興趣相似性，然后選擇相似性最高的若干學習者作為目標學習者的最近鄰居，根據最近鄰學習者對資源的興趣度，預測目標學習者對未選擇和訪問的那些類別資源的興趣度，并將興趣度高于設定閾值的那些類別資源推薦給目標學習者；

所述內容推薦算法基于學習者以往的瀏覽行為和日志數據來計算學習者的興趣，從而推薦與學習者以往興趣相吻合的資源。

10.如權利要求5所述的一種基于用戶學習偏好的學習資源推送系統，其特征在于：所述資源服務層為推送服務層提供所需要的各類數據源，包括學習者的基本信息數據、偏好模式數據和學習資源數據，用于個性化資源推薦的資源匹配服務。