CN103116657B - 一种网络教学资源的个性化搜索方法 - Google Patents
一种网络教学资源的个性化搜索方法 Download PDFInfo
- Publication number
- CN103116657B CN103116657B CN201310076867.0A CN201310076867A CN103116657B CN 103116657 B CN103116657 B CN 103116657B CN 201310076867 A CN201310076867 A CN 201310076867A CN 103116657 B CN103116657 B CN 103116657B
- Authority
- CN
- China
- Prior art keywords
- resource
- teaching
- knowledge
- user characteristics
- tree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013461 design Methods 0.000 claims abstract description 7
- 239000000463 material Substances 0.000 claims description 30
- 239000000284 extract Substances 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000009897 systematic effect Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 11
- 230000003542 behavioural effect Effects 0.000 abstract description 3
- 238000007596 consolidation process Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识的面向教学任务的网络教学资源搜索方法。所述方法首先通过预处理阶段完成对教学资源搜索列表的离线整理和存储,然后在实时搜索阶段通过调取和即时处理离线资源搜索列表为教师用户的在线教学任务提供实时资源个性化搜索服务。本发明公开的上述方法结合了教学任务的知识描述和教师用户的行为特征,具有强大的语义特性、良好的资源查询扩展能力、并且实现查询扩展深度的可控,体现出了特色和创新。使用本发明提供的方法,能够针对教师正在进行的教学任务,从海量的网络教学资源中为其准确搜索并推送出与此教学任务密切相关的内容,为教师完成教学设计、备课等教学任务提供方便,同时也让网络上的教学资源得到充分的利用。
Description
技术领域
本发明涉及计算机搜索领域,具体来说涉及一种网络教学资源的个性化搜索方法。
背景技术
随着web技术的迅猛发展,现代远程教育越来越受到人们的关注,网络教学资源以及各种教学网站和网络教学系统层出不穷,网络上积累了丰富的教学资源,如:讲义、课堂录像、知识点总结等。然而,由于互联网上海量的教学资源缺乏有效的组织,教师在执行教学任务(如教学设计、课件制作、作业布置)时往往需要花费大量的时间和精力才能从这些海量的教学资源中找到适合自身的资源。因此,在网络化教学的环境中越来越需要个性化的资源搜索方法来帮助教师搜索到合适的资源。
当前的个性化资源搜索方法主要通过推荐算法来实现,主要的推荐算法包括基于内容(Content-based)的算法和协同过滤(collaborativefiltering)算法。基于内容的推荐算法通过对资源内容的分析,提取其主要属性特征,然后通过计算这些特征与用户特征的相似性,找出用户可能需要的资源并进行推送。协同过滤算法的核心思想是认为如果某些用户的行为或特征类似,那么他们的需求也具有一定的相似性,算法利用用户与用户的协同关系来过滤出用户的需求。
可以看出当前的搜索方法都是以用户的行为特征为核心,忽略了资源本身的特征及资源之间的关系,即忽略了知识的作用。然而对于网络教学资源来说,有其自身的特点:教学资源和教材中的具体知识点是密切联系的;而教学知识点本身又具有明显的特征,知识点之间有着复杂而有序的关系,譬如前后继知识点、总分知识点、归纳后新知识点等,这些关系和特征是隐藏在纷繁的网络教学资源背后的一套教学知识体系,是能够在资源搜索中用到的有效知识。
为了实现知识在搜索中的利用,一些学者提出基于本体的教学资源管理方法,方法的思路是首先按照国家专门的学科分类标准对资源进行分类编码管理,然后在具体科目下引入知识点的概念,由知识点的组合组成具体的课程。然而这种资源管理方式存在知识点组织形式死板、组织关系和规则有限,很难对资源进行扩展查询的缺陷。因此亟需一种充分利用教学资源知识的个性化推荐方法。
发明内容:
本发明欲解决的技术问题是如何充分挖掘教学资源与教材知识的关系,如何利用知识建立教学资源之间的联系以实现对资源的扩展查询,以及如何把基于知识的资源搜索与基于用户行为的搜索算法结合起来,最终实现面向教学任务的资源搜索,为此本发明提供了一种基于知识的面向教学任务的教学资源个性化搜索方法。
本发明公开了一种网络教学资源的个性化搜索方法,其包括预处理阶段和实时搜索阶段;
所述预处理阶段包括:基于知识的资源搜索部分和基于用户特征的资源搜索部分;其中,所述基于知识的资源搜索部分根据教学对象的特征搜索教学资源,获得公共资源搜索列表和基础资源搜索列表;所述基于用户特征的资源搜索部分根据用户的特征,获得用户特征与资源的相关列表;所述基于知识的资源搜索部分和基于用户特征的资源搜索部分并行执行,且所述公共资源搜索列表、基础资源搜索列表和用户特征与资源的相关列表定时更新;
在所述实施搜索阶段,根据所输入的当前教学对象对应的系统参数,从所述公共资源搜索列表、基础资源搜索列表和用户特征与资源的相关列表提取相关的内容,并过滤和融合得到最终的资源搜索列表。
所述公共资源搜索列表通过公共资源倒排索引表表示;所述公共资源倒排索引表如下建立:
步骤11:针对教学资源构建领域知识树;
步骤12:对未分类的教学资源进行分类标注;
步骤13:基于所构建的领域知识树对教学对象扩展查询关键词;其中所述查询关键词为所述教学对象在所述领域知识树上对应的若干个属性值;
步骤14:根据扩展后的查询关键词得到公共资源倒排索引表。
所述步骤11中领域知识树包括教材横向知识树和学科知识点纵向知识树,其中教材横向知识树为根据国家标准对教材资源进行分级组织得到的;而所述学科知识点纵向知识树则为根据总结学科在一段时期内的纵向知识点而得到的具有普遍适应性的知识归纳树。
所述步骤11中领域知识树还包括人物树、事件树和地点树,分别包括教材资源所涉及的人物、事件和地点信息。
步骤12中对未分类的教学资源进行分类标注包括将教材资源分类为基础资源和公共资源,其中基础资源指的是专门针对教材中某一节知识的教学资源,而其他均为公共资源。
步骤13中基于所构建的领域知识树扩展查询关键词具体包括:
步骤131:把教学对象定位到其中一棵领域知识树的具体知识节点上,并且为其建立属性;
步骤132:基于所建立属性的属性值在相关领域知识树上搜索相关知识节点并得到其他知识节点的属性和相应地属性值;
步骤133:根据上一步骤搜索得到的属性值来搜索相关领域知识树,以获得更深扩展层级的知识节点及其属性;
步骤134:对所得到的属性值赋予不同的权重,其中属性值的权重随着搜索扩展层级深度的加深而减小。
所述步骤14中根据扩展后的查询关键词得到公共资源倒排索引表包括:根据所扩展得到的查询关键词对教学资源进行查询以得到查询关键词对应的相关资源,根据所述查询关键词及其对应的相关资源建立所述公共资源倒排索引表。
所述基础资源搜索列表通过基础资源倒排索引表表示;所述基础资源倒排索引表包括基础资源及其所属教学任务;所述教学任务包括教学设计、课件制作和作业布置。
所述根据用户特征建立用户特征与资源相关列表具体包括:
步骤21:分析用户行为,得到用户特征;其中用户特征包括用户行为及用户信息;
步骤22:根据所述用户特征建立用户特征与资源相关列表;其中用户特征与资源相关列表包括:用户特征和用户特征对应的资源。
所述实时搜索阶段具体包括:
步骤31:输入当前教学对象对应的教学任务及用户所选取的用户特征;
步骤32:根据所述教学任务提取相关的基础资源搜索列表和公共资源搜索列表,根据用户所选取的用户特征提取相关的用户特征与资源相关列表;
步骤33:根据资源的相应权重,对所提取的相关的基础资源搜索表、公共资源搜索列表和用户特征与资源相关列表中的资源进行过滤和排序,得到最终的搜索结果。
本发明的有益结果:本发明公开的个性化资源搜索方法结合了教学任务的知识描述和教师用户的行为特征,具有强大的语义特性、良好的资源查询扩展能力、并且实现查询扩展深度的可控,体现出了特色和创新。使用本发明提供的方法,能够针对教师正在进行的教学任务,从海量的网络教学资源中为其准确搜索并推送出与此教学任务密切相关的内容,为教师完成教学设计、备课等教学任务提供方便,同时也让网络上的教学资源得到充分的利用。
附图说明
图1是本发明中网络教学资源的个性化搜索方法流程图;
图2是本发明实施例中《七律·长征》的教材横向知识树;
图3是本发明中教学资源分类标签流程图;
图4是本发明中基于知识树的资源扩展查询流程图;
图5是本发明中公共资源倒排索引表构建流程图;
图6是本发明实施例中《七律·长征》的资源扩展查询示意图;
图7是本发明中基于用户特征的资源搜索流程图;
图8是本发明中网络教学资源的个性化资源搜索处理流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合附图,以人教课标版小学语文五年级上册第一组第一节《窃读记》和第八组第一节《七律·长征》为例,介绍教师在完成“课件制作”任务时的教学资源搜索过程,对本发明进一步详细说明。
本发明使用的方法既可以在个人计算机、工控机及服务器上以软件的形式安装并执行,也可将方法做成嵌入式芯片以硬件的形式来体现。
如图1所示,本发明公开了一种网络教学资源的搜索方法,该方法由预处理和实时搜索两个阶段组成,两个阶段通过离线计算获得的数据相联系。
预处理阶段包括:1)基于知识的资源搜索部分;和2)基于用户特征的资源搜索部分,这两个部分可以并行执行。
其中,基于知识的资源搜索部分根据教学对象的特征搜索教学资源,获得公共资源搜索列表和基础资源搜索列表;基于用户特征的资源搜索部分根据用户的特征,获得用户特征与资源的相关列表。所述公共资源搜索列表、基础资源搜索列表和用户特征与资源的相关列表以文件或数据表的形式存储于服务器中,且定时更新。
预处理阶段中,基于知识的资源搜索部分包括根据教学对象的特征搜索教学资源,获得公共资源搜索列表。所述公共资源的搜索列表即公共资源倒排序索引表的构建包括以下三个步骤:
步骤S1:构建领域知识树,实现其对教学资源中隐含的知识的整理。
针对教学领域构建的知识树称为教学领域知识树。具体地,本发明优选实施例中构建5棵知识树模型,包括两棵主树和三棵辅助树。两棵主树分别为:教材横向知识树和学科知识点纵向知识树;三棵辅助树分别为:人物树、事件树和地点树。
以人教版教材标准得到的《七律·长征》这一节的教材横向知识树为例,如图2所示,介绍领域知识树的具体构造过程。教材横向知识树是指按照教材国家标准分级组织,到“节”这一级就不再往下扩展,通过设置这一“节”的属性来表征关于这一“节”知识。按照《七律·长征》这一节的特征,领域知识树的最顶层节点为“教育教材知识树”,下面包括“初中物理”、“小学语文”等知识节点(父子关系),其中小学语文下面又包括“人教课标版”、“北师大课标版”等知识节点(父子关系),其中人教课标版下面包括“一年级上”、“一年级下”直至“六年级下”等12个知识节点(成员-组成关系),每一个知识树节点由“第一组”直至“第八组”等八个知识节点组成(成员-组成关系),《七律·长征》这一节即为“五年级下”“第八组”的终止知识节点。《七律·长征》这一知识节点包括4个属性,其属性名和属性值分别为“体裁:七律”、“作者:毛泽东”、“背景:长征”、“地点:金沙江”。
学科知识纵向知识树是指总结学科一段时期的纵向知识点而得到的具有普遍适应性的知识归纳树。而三棵辅助树即人物树、事件树和地点树的构建包含教材涉及到的所有重要人物、作者、定理定律发明者、理论提出者、事物发现者、重要地点、作者籍贯及重要事件等信息。学科知识纵向知识树、人物树、事件树和地点树的构建方法同教材横向知识树。
步骤S2:对教学系统中所有的教学资源进行分类标注,具体地,分为基础资源和公共资源;
教学系统中的资源来源主要有两个:一个是教学系统已购买的或从其他途径得到的资源,这部分资源往往已经整理即分类标注好了;另一个来源是用户上传资源,用户在上传资源时需要对资源进行一定的描述,以便系统对资源进行自动进行分类标注,这些描述一般包括资源标题、资源详细信息、资源是否为教材某一节的基础资源等。用户在上传资源时对资源描述的越清晰,系统对资源的标注越准确。
图3所示为系统对教学资源进行分类标注的流程图。如图3所示,对于新的教学资源,首先判断其是否为某一节的基础资源,如果不是,则归入公共资源以待后续资源搜索;如果这个教学资源是针对教材中某一节的,则将其标注为基础资源标签,即节号和教学任务号。假定教师在网络教学系统中的主要行为有教学设计、课件制作和作业布置三项任务,则教学资源和教学任务是多对多的关系,也就是说同一个教学资源可推送给多项教学任务,同理同一个教学任务对应多项资源。
表1是对资源分类标签后提取出的关于《窃读记》这一节的基础资源示意列表。
表1
步骤S3:基于所构建领域知识树的扩展查询方法构建公共资源倒排索引表。
图5是基于知识树的扩展查询方法的公共资源倒排索引表的构建流程图。如图5所示,首先对公共资源描述信息文本数据进行分词,每一个教学资源对应n个关键词;然后根据对教学对象进行扩展得到的关键词进行匹配,找到教学对象相对应的公共资源,即得到公共资源倒排索引表。具体地,公共资源倒排索引表由关键词和关键词对应的资源两项组成。每一个教学对象都建立其公共资源倒排索引表,联合这些公共资源倒排索引表得到总的教学资源公共资源倒排索引表。
具体地,扩展查询指的是针对一个初始的特定查询关键词,通过一定的方法扩展得到多个相关的查询关键词,把这个特定的查询关键词和与之相关的特定关键词赋予不同的权重,然后共同作为关键词进行查询。扩展查询的目的是为了使查询结果更加全面和准确。而基于知识树的资源扩展查询方法是指在所建立的领域知识树模型的相关知识节点上进行资源知识的扩展而得到多个相关资源查询关键词的方法,所述初始的特定查询关键词为当前教学对象对应的属性值,如教师针对《七律·长征》这一节进行教案设计时,那么《七律·长征》这一节即为当前教学对象。图4示出了基于领域知识树的资源扩展查询方法流程图,图6是基于5棵知识树的教学资源一级扩展查询示例图。
其中,教学资源扩展查询的具体过程为:
步骤S301:把教学对象定位到其中一棵领域知识树的具体知识节点上,并且为其建立属性,即初始的特定查询关键词。以教材横向知识树为例说明,如图6所示,把《七律·长征》这一节定位到教材横向知识树-小学语文-人教课标版-五年级上-第八组-长征这个知识节点上,并且为其建立4个属性,其属性名和属性值分别为“体裁:七律”、“作者:毛泽东”、“背景:长征”、“地点:金沙江”;
步骤S302:基于这些属性的属性值在其他领域知识树上搜索相关知识节点并得到其他知识节点的属性,即扩展的查询关键词。如图6所示,人物树上为毛泽东的“履历”、“成就”和“评价”;事件树上为长征的“起因”、“发展”和“影响”;学科纵向知识树上为七律的“句式”、“韵律”和“代表作”;地点树上为金沙江的“地理位置”、“风土”和“人情”;
步骤S303:对当前得到属性的属性值重复步骤S302若干次得到一系列不同扩展层级深度的知识节点和其属性。对于一级扩展层级来说,只执行一次步骤S302即可得到扩展查询关键词,而对于多级扩展层级来说,还需要对现有属性值在领域知识树上继续扩展,例如人物树上知识节点“毛泽东”地属性“成就”的属性值有文学成就“《沁园春·雪》”,那么就能够基于这个属性值在其他领域知识树(学科知识树)上继续查询《沁园春·雪》这个知识节点的属性值,从而实现两级扩展查询。更高级地扩展查询以此类推。图6中由于是一级扩展查询,因此操作一次步骤S302即可。
步骤S304:给步骤S303中得到的属性对应的属性值赋予不同的权重,随着扩展深度的加深,扩展得到的属性值的权重变小。如教材横向知识树的长征这个知识节点上的4个属性值的权值分别设为a、b、c和d(a、b、c和d均大于等于零小于等于1),则通过扩展查询得到的属性值可分别设为0.5a、0.4b、0.6c和0.2d。
步骤S305:将步骤S303得到的所有属性值作为扩展得到的资源关键词来查询所述公共资源,以得到公共资源倒排索引表。
另外,我们还可以通过学科纵向知识树查询到关于这一节的纵向相关知识点来进一步扩展查询。当然这种扩展查询是无止境的,一般来说做到3层以内的扩展深度就能得到足够多的信息了。
预处理阶段中,基于知识的资源搜索部分还包括根据教学对象的特征搜索教学资源,获得基础资源搜索列表。所述基础资源的搜索列表的构建仅包括一个步骤,即步骤S4:构建基础资源的倒排索引表。
对已分类标签好的基础资源,建立倒排索引表,以便在资源自动推送时提取。具体地,基础资源倒排索引表由资源ID和资源所属教学任务两项组成。这里的资源ID是服务器为每一个资源赋予的唯一ID号;资源所属教学任务由【具体“节”标签,具体教学任务标签】来表示,这里的具体“节”标签由教材横向知识树底层知识节点ID表示,而具体教学任务包括教学设计、课件制作、作业布置分别标记为0001、0010和0100。例如基础资源“《窃读记》互动课堂.fiv”标记为【00010000000800000000,0010&0100】。
预处理阶段中,所述基于用户特征的资源搜索部分具体为通过构建用户特征-资源相关列表来实现基于用户行为的资源搜索列表,具体包括以下两个步骤:
步骤S5:分析用户行为,得到用户特征;
用户特征包括用户行为记录和用户信息记录,记录这些特征并计算相应权重和设定优先级,以便个性化搜索。系统中预先整理的用户特征如表2所示。
步骤S6:构建用户特征-资源相关列表,其中用户特征-资源相关列表由用户特征和用户特征对应的资源两项组成。
由于用户特征多种多样且不停的更新,如果考虑到所有用户特征,那么系统将会非常复杂,因此,由用户选择使用哪种(或哪几种)用户特征,然后系统再根据这几种用户特征构建用户特征-资源相关列表,得到基于用户特征的搜索结果。
具体地,用户特征-资源列表的构建过程具体为:首先对这些用户特征进行分类,并对不同用户特征赋予不同的权重;然后计算针对每种特征用户使用频繁的资源,以得到离线相关表,这里根据用户的资源下载量或采用率等指标来评价用户对资源的使用频度,对使用频度设定一个阈值来构建离线相关表,使用频度高的资源排在离线相关表的前面;最后根据不同的特征权重,合并得到综合的用户特征资源列表。
图7是基于用户特征的资源搜索架构图,为使系统架构更加清楚明白,假设用户选取了特征A和特征B作为输入,然后过滤并合并两个用户特征-资源相关列表得到初始的用户特征-资源相关列表。
预处理阶段结束前,将前述步骤得到的公共资源搜索列表、基础资源的搜索列表和用户特征-资源相关表存储到服务器中,作为离线数据供调取,这些数据每隔固定时间更新一次。
本发明提出的资源搜索方法中的第二阶段为实时搜索阶段,在该阶段读入当前教学对象对应的系统参数,从服务器中存储的两部分搜索结果,即预处理阶段得到的所述公共资源搜索列表、基础资源搜索列表和用户特征与资源的相关列表中提取相关内容,过滤、融合得到最终的资源搜索列表,具体包括以下两个步骤:
步骤S7:根据推荐任务请求读入当前教学对象的系统参数,即当前进行搜索的教师的具体教学任务和教师所选取的用户特征,然后从服务器中存储的所述公共资源搜索列表、基础资源搜索列表和用户特征与资源的相关列表提取相应的基础资源的倒排索引表、公共资源倒排索引表和用户特征-资源相关列表,得到初始的搜索结果;
步骤S8:对初始的推搜索结果实施过滤和排序等操作,得到最终的搜索结果。
图8是总的搜索处理流程图。如图8所示,首先过滤掉基于知识的初始搜索结果和基于用户特征的初始搜索结果重复的部分,然后根据资源相应权重对初始搜索资源进行排序。具体地,资源相应权重的设置依照以下原则:基础资源权重值较高;对于基于关键字的资源搜索,随着扩展深度的加深,其查询到的属性值对应的资源的权重变小,对于同一查询深度的属性,涉及到考点及难点的属性权重较高;对于基于用户特征的推荐,热门资源权重较高等。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种网络教学资源的个性化搜索方法,其包括预处理阶段和实时搜索阶段;
所述预处理阶段包括:基于知识的资源搜索部分和基于用户特征的资源搜索部分;其中,所述基于知识的资源搜索部分根据教学对象的特征搜索教学资源,获得公共资源搜索列表和基础资源搜索列表;所述基于用户特征的资源搜索部分根据用户的特征,获得用户特征与资源的相关列表;所述基于知识的资源搜索部分和基于用户特征的资源搜索部分并行执行,且所述公共资源搜索列表、基础资源搜索列表和用户特征与资源的相关列表定时更新;
在所述实时搜索阶段,根据所输入的当前教学对象对应的系统参数,从所述公共资源搜索列表、基础资源搜索列表和用户特征与资源的相关列表提取相关的内容,并过滤和融合得到最终的资源搜索列表。
2.如权利要求1所述的方法,其特征在于,所述公共资源搜索列表通过公共资源倒排索引表表示;所述公共资源倒排索引表如下建立:
步骤11:针对教学资源构建领域知识树;
步骤12:对教学资源进行分类标注;
步骤13:基于所构建的领域知识树对教学对象扩展查询关键词;其中所述查询关键词为所述教学对象在所述领域知识树上对应的若干个属性值;
步骤14:根据扩展后的查询关键词得到公共资源倒排索引表。
3.如权利要求2所述的方法,其特征在于,所述步骤11中领域知识树包括教材横向知识树和学科知识点纵向知识树,其中教材横向知识树为根据国家标准对教材资源进行分级组织得到的;而所述学科知识点纵向知识树则为根据总结学科在一段时期内的纵向知识点而得到的具有普遍适应性的知识归纳树。
4.如权利要求2所述的方法,其特征在于,所述步骤11中领域知识树还包括人物树、事件树和地点树,分别包括教材资源所涉及的人物、事件和地点信息。
5.如权利要求2所述的方法,其特征在于,步骤12中对教学资源进行分类标注包括将教材资源分类为基础资源和公共资源,其中基础资源指的是专门针对教材中某一节知识的教学资源,而其他均为公共资源。
6.如权利要求2所述的方法,其特征在于,步骤13中基于所构建的领域知识树扩展查询关键词具体包括:
步骤131:把教学对象定位到其中一棵领域知识树的具体知识节点上,并且为其建立属性;
步骤132:基于所建立属性的属性值在相关领域知识树上搜索相关知识节点并得到其他知识节点的属性和相应地属性值;
步骤133:根据上一步骤搜索得到的属性值来搜索相关领域知识树,以获得更深扩展层级的知识节点及其属性;
步骤134:对所得到的属性值赋予不同的权重,其中属性值的权重随着搜索扩展层级深度的加深而减小。
7.如权利要求2所述的方法,其特征在于,所述步骤14中根据扩展后的查询关键词得到公共资源倒排索引表包括:根据所扩展得到的查询关键词对教学资源进行查询以得到查询关键词对应的相关资源,根据所述查询关键词及其对应的相关资源建立所述公共资源倒排索引表。
8.如权利要求1所述的方法,其特征在于,所述基础资源搜索列表通过基础资源倒排索引表表示;所述基础资源倒排索引表由基础资源及其所属教学任务两项组成;所述教学任务包括教学设计、课件制作和作业布置。
9.如权利要求1所述的方法,其特征在于,所述根据用户特征建立用户特征与资源相关列表具体包括:
步骤21:分析用户行为,得到用户特征;其中用户特征包括用户行为及用户信息;
步骤22:根据所述用户特征建立用户特征与资源相关列表;其中用户特征与资源相关列表包括:用户特征和用户特征对应的资源。
10.如权利要求1所述的方法,其特征在于,所述实时搜索阶段具体包括:
步骤31:输入当前教学对象对应的教学任务及用户所选取的用户特征;
步骤32:根据所述教学任务提取相关的基础资源搜索列表和公共资源搜索列表,根据用户所选取的用户特征提取相关的用户特征与资源相关列表;
步骤33:根据资源的相应权重,对所提取的相关的基础资源搜索列表、公共资源搜索列表和用户特征与资源相关列表中的资源进行过滤和排序,得到最终的搜索结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310076867.0A CN103116657B (zh) | 2013-03-11 | 2013-03-11 | 一种网络教学资源的个性化搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310076867.0A CN103116657B (zh) | 2013-03-11 | 2013-03-11 | 一种网络教学资源的个性化搜索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103116657A CN103116657A (zh) | 2013-05-22 |
CN103116657B true CN103116657B (zh) | 2015-12-02 |
Family
ID=48415030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310076867.0A Active CN103116657B (zh) | 2013-03-11 | 2013-03-11 | 一种网络教学资源的个性化搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103116657B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424206A (zh) * | 2013-08-21 | 2015-03-18 | 北大方正集团有限公司 | 信息处理方法和教育平台 |
CN103886054B (zh) * | 2014-03-13 | 2017-02-15 | 中国科学院自动化研究所 | 一种网络教学资源的个性化推荐系统和推荐方法 |
CN104572918B (zh) * | 2014-12-26 | 2017-10-03 | 清华大学 | 一种在线课程的搜索方法 |
CN104820677B (zh) * | 2015-04-14 | 2018-04-10 | 天脉聚源(北京)教育科技有限公司 | 一种学科层级展示方法及系统 |
CN105279255A (zh) * | 2015-10-13 | 2016-01-27 | 青岛英谷教育科技股份有限公司 | 一种知识技能依赖关系结构化教学资源的利用方法 |
CN108255830A (zh) * | 2016-12-28 | 2018-07-06 | 中国移动通信集团公司 | 一种在线资源管理方法及装置 |
CN107133307A (zh) * | 2017-04-28 | 2017-09-05 | 太仓诚泽网络科技有限公司 | 一种多媒体教学视频播放界面推送系统 |
CN107360461A (zh) * | 2017-08-24 | 2017-11-17 | 苏州倾爱娱乐传媒有限公司 | 一种广告视频界面推送播放方法 |
CN110019851A (zh) * | 2017-09-19 | 2019-07-16 | 香港智能金融科技有限公司 | 一种个性化的交易员教学自动推荐方法和系统 |
CN110110090A (zh) * | 2018-01-09 | 2019-08-09 | 鸿合科技股份有限公司 | 搜索方法、教育搜索引擎系统及装置 |
CN108763342A (zh) * | 2018-05-14 | 2018-11-06 | 北京比特智学科技有限公司 | 学习资源分配方法和装置 |
CN109033456B (zh) * | 2018-08-28 | 2021-02-05 | 百度在线网络技术(北京)有限公司 | 一种条件查询方法、装置、电子设备和存储介质 |
CN109614603A (zh) * | 2018-12-12 | 2019-04-12 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN110675297B (zh) * | 2019-10-09 | 2022-02-01 | 济源职业技术学院 | 计算机数字化教学资源的调取系统及方法 |
CN111858836B (zh) * | 2020-08-14 | 2024-02-09 | 连接派(杭州)互联网有限公司 | 数据处理及提供方法、装置、系统及存储介质 |
CN113918729B (zh) * | 2021-10-08 | 2024-04-16 | 肇庆学院 | 一种基于知识树的任务协同方法及系统 |
CN114549249B (zh) * | 2022-02-24 | 2023-02-24 | 江苏兴教科技有限公司 | 一种高校用在线教学资源库管理系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647426A (zh) * | 2012-04-24 | 2012-08-22 | 苏州科技学院 | 一种基于云平台的教学资源智能管理系统及方法 |
CN102708168A (zh) * | 2012-04-27 | 2012-10-03 | 北京邮电大学 | 一种教学资源搜索结果排序的系统及方法 |
-
2013
- 2013-03-11 CN CN201310076867.0A patent/CN103116657B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647426A (zh) * | 2012-04-24 | 2012-08-22 | 苏州科技学院 | 一种基于云平台的教学资源智能管理系统及方法 |
CN102708168A (zh) * | 2012-04-27 | 2012-10-03 | 北京邮电大学 | 一种教学资源搜索结果排序的系统及方法 |
Non-Patent Citations (3)
Title |
---|
Semi-automated negotiation process,within resource-sharing system;Ngai Lung;《Microcomputer Information》;20081231;第32卷(第15期);全文 * |
个性化推荐系统中的用户建模及特征选择;林霜梅等;《计算机工程》;20070930;第33卷(第17期);全文 * |
基于知识点的课程教学资源建设与实践;郭咏梅等;《中国教育信息化》;20120210;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103116657A (zh) | 2013-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103116657B (zh) | 一种网络教学资源的个性化搜索方法 | |
CN106951411B (zh) | 一种云计算中保护数据隐私的快速多关键词语义排序搜索方法 | |
Yin et al. | Building taxonomy of web search intents for name entity queries | |
Croft et al. | Search engines: Information retrieval in practice | |
CN101364239B (zh) | 一种分类目录自动构建方法及相关系统 | |
CN101630314B (zh) | 一种基于领域知识的语义查询扩展方法 | |
CN102419778B (zh) | 一种挖掘查询语句子话题并聚类的信息搜索方法 | |
CN102968465B (zh) | 网络信息服务平台及其基于该平台的搜索服务方法 | |
CN104239513A (zh) | 一种面向领域数据的语义检索方法 | |
CN105706078A (zh) | 实体集合的自动定义 | |
CN104615687A (zh) | 一种面向知识库更新的实体细粒度分类方法与系统 | |
Richards et al. | The Archaeology Data Service and the Archaeotools project: faceted classification and natural language processing | |
CN106547893A (zh) | 一种图片分类管理系统及图片分类管理方法 | |
CN102722569A (zh) | 基于rdf图路径游走的知识发现装置及方法 | |
CN102915304A (zh) | 文档检索设备和方法 | |
Shi et al. | Mining interesting meta-paths from complex heterogeneous information networks | |
Dang et al. | WordNet-based suffix tree clustering algorithm | |
CN109543045A (zh) | 一种全球产业链的展示方法 | |
Liu et al. | Application of Data-Mining Technology on E-Learning Material Recommendation | |
Sydow et al. | Introducing diversity to log-based query suggestions to deal with underspecified user queries | |
Li | Based on data mining technology in distance education system applied research | |
Lemmens et al. | Querying VGI by semantic enrichment | |
Chiu et al. | Using rough set theory to construct e-learning faq retrieval infrastructure | |
Swami et al. | Web Scraping Framework based on Combining Tag and Value Similarity | |
Cheng | A Learning Path Recommendation Method for Knowledge Graph of Professional Courses |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |