[發明專利]一種自適應推薦方法及系統

在審

• 申請號: 202011189918.7
• 申請日: 2020-10-30
• 公開（公告）號: CN112258359A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 劉生琳;武平;任瑞軍;吳國棟;路濤濤;范玉昆;高峰;劉璐;林春龍;高琦;靳偉;楊劍梅;史嬌陽;趙成杰;孫愛春
• 申請（專利權）人: 國網甘肅省電力公司;北京科東電力控制系統有限責任公司;國網甘肅省電力公司培訓中心
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06N5/00
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明公開了一種自適應推薦方法，包括：構建領域知識模型；根據學習者的知識能力水平和學習者基本信息建立學習者模型；根據學習者的闖關記錄生成結構化的操作記錄；根據學習者模型、闖關記錄以及領域知識模型進行學習資源和路徑推薦，本發明通過本發明提出的基于闖關學習模式的自適應推薦方法，建立了領域知識模型與學習者模型之間的關聯規則，實現依據學習者的個性特征呈現學習資源和學習路徑，達到智能導學的目，提高了推薦的質量，實現千人千面的自適應學習。

技術領域

本發明屬于電力系統調度培訓技術領域，具體為一種自適應推薦方法及系統。

背景技術

自適應學習是指根據學習內容和學習方式的不同，可以將人的學習分為三種不同的類型，它們是機械的學習、示教的學習以及自適應的學習。自適應學習通常是指給學習中提供相應的學習的環境、實例或場域，通過學習者自身在學習中發現總結，最終形成理論并能自主解決問題的學習方式。自適應學習技術的關鍵是推薦的學習資源要能夠與學習者本身的知識水平、學習偏好相匹配，推薦技術的運用是能夠使學習者將要學習的知識與原有的知識達到主動、快速的銜接、幫助學習者發現他們所需學習資源。

常用的推薦方法包括協同過濾推薦、基于內容推薦、關聯規則推薦三種。其中，協同過濾推薦是依據用戶對項目的評分矩陣實現個性化推薦，但在系統實際運行中大部分用戶很少參與項目評論，且新用戶的不斷增加，使得評分矩陣出現稀疏性問題，導致推薦準確率不高。基于內容的推薦，是計算項目特征與用戶興趣模型相似度進行推薦。用戶興趣模型的建立依賴學習者的歷史數據，故存在系統冷啟動問題。基于規則的推薦，依據用戶瀏覽歷史作為推薦意見，分析用戶和興趣之間的關系，并制定相應的規則，該方法簡單明了，但同樣存在系統冷啟動問題，這使得難以保證為新用戶推薦資源的質量。可見，推薦技術的選擇直接影響主動推薦學習資源的質量及適應性學習能否實現，現有的推薦技術未能夠很好地將領域知識模型及學習者模型充分考慮進去，導致知識推薦質量不高。

發明內容

針對現有技術的問題，本發明提供了一種自適應推薦方法及系統，能夠提高學習過程中的推薦質量。

本發明所采用的技術方案，包若如下幾個方面：

第一方面，提供了一種自適應推薦方法，包括：

構建領域知識模型；

根據學習者的知識能力水平和學習者基本信息建立學習者模型；

根據學習者的闖關記錄生成結構化的操作記錄；

根據學習者模型、闖關記錄以及領域知識模型進行學習資源和路徑推薦。

結合第一方面，進一步的，構建領域知識模型具體為：根據學習目標、知識點、學習資源、闖關試題作為核心要素通過本體技術建立領域知識模型。

結合第一方面，進一步的，在建立領域知識模型過程中確定要素的屬性，并對屬性采用語義標注。

結合第一方面，進一步的，所述根據學習者的知識能力水平和學者基本信息建立學習者模型具體為：根據學習者已完成闖關的難度等級對其進行知識能力水平劃分，并根據學習者在闖關過程中的操作記錄生成學習者知識能力標準庫,通過學習者知識能力標準庫和學習者基本信息庫構建學習者模型。

結合第一方面，進一步的，所述根據學習者模型、闖關記錄以及領域知識模型進行學習資源和路徑推薦包括：

根據領域知識模型構建學習者知識技能向量以構建推薦矩陣的列；

根據學習者基本信息庫構建學習者向量以構建推薦矩陣的行；

根據學習者知識技能向量和學習者向量構建推薦矩陣；

根據闖關者的操作記錄填充推薦矩陣。

第二方面，提供了一種自適應推薦方法，包括：