[發(fā)明專利]在線教育平臺中基于多維特征的習題個性化推薦方法

有效

• 申請?zhí)枺?/td>: 201811281146.2
• 申請日: 2018-10-30
• 公開（公告）號: CN109299380B
• 公開（公告）日: 2021-07-02
• 發(fā)明（設計）人: 諸葛斌;李向陽;蔡佳琪;王偉明
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q50/20
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 劉靜;邱啟旺

本發(fā)明公開了一種在線教育平臺中基于多維特征的習題個性化推薦方法。包括如下步驟：1)基于在線教育平臺上學習者的學習數據，獲得學習者的學習特征；2)對習題進行數據分析，獲得習題熱度的排名，記錄到題庫中；3)對知識相關度進行數據分析，利用余弦相似度算法來計算出各個知識點的相關度；4)通過多維特征算法，將學習者的學習特征、習題熱度和學習者與候選推薦習題之間的知識相關度這三個維度的因素進行線性綜合，推薦給學習者個性化的習題。本發(fā)明利用大數據平臺，對學習者數據進行多維度統(tǒng)計分析，進行個性化習題推薦，再將數據記錄進入下次的分析數據作為反饋，進一步提高個性化推薦的準確性，從而提高學習者的學習能力和學習效率。

技術領域

本發(fā)明涉及大數據分析領域，具體涉及一種在線教育平臺中基于多維特征的習題個性化推薦方法。

背景技術

特殊定制，就是根據教學和實際需要進行專門特殊的服務。隨著時代的發(fā)展，所需要的數據的不同，針對不同的學習者推薦不一樣的學習題庫，增加了學習者學習效率和學習熱情。

在現有的在線學習平臺中，一方面學習者往往需要花費大量的時間和精力去尋找自己感興趣的習題；另一方面，學習者一旦長時間找不到自己感興趣的習題或者平臺推薦的習題不合學習者的風格，學習者對學習平臺的滿意度就此降低，即可能出現人員流失現象。因此，如果不能恰當的引導學習者，實現習題與學習者的匹配，整個在線學習平臺的良性發(fā)展必定受到影響。

每個人的知識結構、知識能力和學習能力千差萬別，使用的卻是同一張卷子。當習題電子化后，機器將根據使用的數據向用戶推薦個性化的題目，提高學習效率。所以，一個好的算法，可以極大的幫助精準推薦，提升學習者的學習成績和學習效率。

近年來，在線學習發(fā)展迅速，學習者對學習資源的個性化和實用性的要求越來越高。無論是傳統(tǒng)教育還是在線教育，學習資源的質量對教學效果都起著決定性的作用，在在線教育中更是如此。因此，在線教育研究者開始關注在線教育資源的建設，并利用大數據和學習分析技術為學習者提供適合的學習資源推送服務，進而更好的滿足在線學習的需求，以實現人性化、個性化的學習。

發(fā)明內容

本發(fā)明的目的在于針對現有技術的不足，提供一種在線教育平臺中基于多維特征的習題個性化推薦方法。

本發(fā)明的目的是通過以下技術方案來實現的：一種在線教育平臺中基于多維特征的習題個性化推薦方法，該方法包括如下步驟：

1)基于在線教育平臺上學習者的學習數據，獲得學習者的學習特征；

2)對在線教育平臺上的習題進行數據分析，獲得習題熱度的排名，記錄到平臺的題庫中；

3)根據習題間的知識相關度構建一個習題相關網絡；所述習題相關網絡中，一個節(jié)點表示一個習題，節(jié)點之間的邊表示兩個習題之間的關聯(lián)性，邊的權重表示習題間知識相關度的高低，利用余弦相似度算法計算知識相關度；在習題相關網絡的基礎上，利用某學習者的學習數據構建一個習題相關子網絡；所述習題相關子網絡中，以該學習者為中心，與該學習者直接連接的是其正在學習和曾經學習過的習題，與這些習題相連接的是所有與這些習題存在較高知識相關度的候選推薦習題；在習題相關子網絡的基礎上，通過學習者正在學習和曾經學習過的習題與候選推薦習題之間的余弦相似度計算學習者與候選推薦習題之間的知識相關度；

4)通過多維特征算法，將三個維度的因素進行線性綜合，得到學習者與候選推薦習題之間的整體相關度，對所有候選推薦習題的整體相關度進行排名，推薦給學習者個性化的習題。

進一步地，所述在線教育平臺，是經過特殊定制的能搜集所需的特定信息的在線教育平臺，從平臺上獲得的特殊數據從而進行個性化推薦習題。

進一步地，所述步驟1)具體為：學習者登錄在線教學平臺后，首先進行學習前的自我評價和學習風格量表測試，對學習者進行感知、認知和人格三維度的測量，然后通過felder_silverman學習風格模型建模，將學習者的學習特征分為強、中、弱，用公式表示為：