[發明專利]在線學習推薦方法及在線學習系統

在審

• 申請號: 202011187823.1
• 申請日: 2020-03-20
• 公開（公告）號: CN112287227A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 張明
• 申請（專利權）人: 張明
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06Q50/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種在線學習推薦方法，其特征在于，應用于服務器，所述服務器與多個在線學習終端通信連接，所述方法包括：

從每個所述在線學習終端中獲取學員用戶對應的學習行為數據，并提取與所述學習行為數據對應的學習行為風格數據，所述學習行為數據為所述服務器根據所述學員用戶對應的在線學習終端的在線學習模式信息，以及所述在線學習終端與所述服務器之間的在線學習交互方式得到的；

獲取每個學員用戶的在線學習推薦模型的學習風格權重參數以及每個在線學習推薦模型在對應的學習風格權重參數下的推薦策略所對應的推薦權重，并根據所述學習行為風格數據中的風格數據對應的風格權重以及每個在線學習推薦模型的學習風格權重參數及其在對應的學習風格權重參數下的推薦策略中所對應的推薦權重，計算所述學習行為數據與每個在線學習推薦模型之間的適配度，學習風格權重參數是指具體的學習風格所占的權重參數類型，不同的學習風格權重參數所對應的推薦策略各有不同，對于不同的在線學習推薦模型，不同的學習風格權重參數所對應的推薦策略所對應的推薦權重各有不同；

在確定出的所有適配度中存在達到預設適配度閾值的目標適配度時，將所述學員用戶關聯到所述目標適配度對應的第一目標在線學習推薦模型中以使所述第一目標在線學習推薦模型對所述學員用戶進行信息推薦得到第一在線學習推薦結果；

在確定出的所有適配度中未存在達到所述預設適配度閾值的目標適配度時，確定出每個在線學習推薦模型相對于所述學員用戶的推薦級別并根據所述推薦級別的大小順序，通過每個對應的在線學習推薦模型對所述學員用戶的所述學習行為數據進行數據特征識別得到所述學員用戶對應的多個模型匹配屬性以及每個模型匹配屬性中對應的與每個在線學習推薦模型的推薦級別對應的模型屬性節點，根據每個模型匹配屬性從所述學員用戶對應的學習行為風格數據中確定出每個模型匹配屬性對應的風格屬性權重參數，將每個模型匹配屬性對應的風格屬性權重參數關聯到每個模型匹配屬性中加載的模型屬性節點對應的第二目標在線學習推薦模型中，通過每個所述第二目標在線學習推薦模型根據所述風格屬性權重參數對所述學員用戶進行信息推薦得到第二在線學習推薦結果。

2.根據權利要求1所述的在線學習推薦方法，其特征在于，所述根據所述學習行為風格數據中的風格數據對應的風格權重以及每個在線學習推薦模型的學習風格權重參數及其在對應的學習風格權重參數下的推薦策略中所對應的推薦權重，計算所述學習行為數據與每個在線學習推薦模型之間的適配度的步驟，包括：

計算所述學習行為風格數據中的風格數據對應的風格權重在每個在線學習推薦模型的學習風格權重參數下的風格轉換權重；

計算每個風格轉換權重與對應的學習風格權重參數下的推薦策略中所對應的推薦權重之間的權重差值的絕對值；

將計算得到的各個權重差值的絕對值進行相加得到所述學習行為數據與每個在線學習推薦模型之間的適配度。