CN103177053A - 教案编辑的动态资源推荐方法以及其教案编辑系统 - Google Patents

Abstract

一种教案编辑的动态资源推荐方法，包括：从正在编辑的一教案中即时撷取多个关键字；计算每个所述多个关键字之间的相关度距离；根据所述多个相关度距离从所述多个关键字选取N个关键字以形成一关键字序列，其中N为一正整数；计算所述关键字序列与第一多个知识领域目录中的第二多个知识领域目录的每一个的特征关键字序列之间的相似度；根据所述多个相似度，从所述第二多个知识领域目录中决定与所述关键字序列相关的至少一个知识领域目录；以及推荐所述至少一个知识领域目录内的资源。实现了通过所推荐的相关资料延伸连结至其他跨领域且高度相关的资料，使得在编辑教案的同时，立即获得与教案高度相关且整合跨领域的资料。

Description

教案编辑的动态资源推荐方法以及其教案编辑系统

技术领域

本发明是有关于动态资源推荐技术，且特别有关于教案编辑的动态资源推荐技术。

背景技术

当教师在编辑教案时，通常会利用教案的关键字搜寻可能与此教案相关的资料，例如在搜寻引擎中输入教案的关键字可以检索到许多与关键字相关的网络资料，但是通常检索到的网络资料相当庞大，使得教师无法判断哪些资料是重要的。以下说明将习知的检索方法运用于教案编辑时可能会遇到的问题。

协同式信息过滤技术的主要精神在于建立使用者设定档(user profile)。使用者设定档除了记录每一个使用者在所设定主题的检索结果外，还记录使用者的个人背景、知识、兴趣等。协同式信息过滤技术找出一群具有共同兴趣的使用者，并利用共同的使用者设定档进行信息推荐，然而协同式信息过滤技术需要建立大量的使用者设定档，因此运用于教案编辑时无法即时推荐信息也无法推荐跨知识领域的信息。

文字检索技术是一种用于信息检索与信息探勘的常用加权技术，其通过评估一字词对于一个文件集或一个语料库其中一份文件的重要程度来推荐信息。但是文字检索技术需要建立大量的训练资料，无法即时推荐信息也无法推荐跨知识领域的信息。

分群技术是从大量的资料中找出资料分布的状况，并发现资料中所隐藏的意义，然而分群技术需要预先将全部资料下载完之后才进行计算，无法即时推荐资料。

个人化网页搜寻技术透过语意网络进行关键字扩充，并与使用者浏览兴趣做比对，以使搜寻结果更加精准，但是个人化网页搜寻技术同样需要大量的训练资料，并且需要与使用者设定档整合，因此无法即时推荐资料也无法推荐跨知识领域的资料。

综上所述，将习知的检索方法运用在教案编辑时可能无法让教师有效且快速地判断出哪些资源是重要的，也可能无法即时取得相关的资源，更有可能无法取得跨知识领域的相关资源。

发明内容

有鉴于此，本发明提供一种教案编辑的动态资源推荐方法，其能在编辑教案的当下动态地推荐相关资源，并能通过所推荐的相关资料延伸连结至其他跨领域且高度相关的资料，使得在编辑教案的同时，立即获得与教案高度相关且整合跨领域的资料。

本发明的一实施例提供一种教案编辑的动态资源推荐方法，包括：从正在编辑的一教案中即时撷取多个关键字；计算每个所述多个关键字之间的相关度距离；根据所述多个相关度距离从所述多个关键字选取N个关键字以形成一关键字序列，其中N为一正整数；计算所述关键字序列与第一多个知识领域目录中的第二多个知识领域目录的每一个的特征关键字序列之间的相似度；根据所述多个相似度，从所述第二多个知识领域目录中决定与所述关键字序列相关的至少一个知识领域目录；以及推荐所述至少一个知识领域目录内的资源。

本发明另一实施例提供一种教案编辑系统，包括：一使用者介面模块，接收正在编辑的一教案；一关键字撷取模块，从所述教案中即时撷取多个关键字；一关键字序列产生模块，计算每个所述多个关键字之间的相关度距离，并根据所述多个相关度距离从所述多个关键字选取N个关键字以形成一关键字序列，其中N为一正整数；一比对模块，计算所述关键字序列与第一多个知识领域目录中的第二多个知识领域目录的每一者的特征关键字序列之间的相似度；以及一推荐模块，根据所述多个相似度，从所述第二多个知识领域目录中决定与所述关键字序列相关的至少一个知识领域目录，并推荐所述至少一个知识领域目录内的资源。

附图说明

图1a所示为依据本发明的实施例计算相关度距离的示意图；

图1b所示为依据本发明的关键字资料结构10的示意图；

图2所示为依据本发明的实施例撷取关键字序列的示意图；

图3所示为依据本发明实施例的知识领域目录树状结构的示意图；

图4a所示为依据本发明实施例的关键字序列比对的示意图；

图4b所示为根据本发明实施例的知识领域目录树状结构的示意图；

图5所示为依据本发明实施例的教案编辑的动态资源推荐方法的流程图；

图6所示为依据本发明实施例的教案编辑系统的示意图。

附图标号：

10、20、22～关键字资料结构；

50～教案编辑的动态资源推荐方法；

60～教案编辑系统；

610～使用者介面模块；

620～关键字撷取模块；

630～关键字序列产生模块；

640～比对模块；

650～知识分类模块；

660～推荐模块；

670～储存装置；

KD1~KDn～知识领域目录；

KDT～知识领域目录树状结构；

m₀~m_n、m₁₁~m_1n、m₂₁~m_2n、…m_n1~m_nn～关键字；

P～文件资料；

S～关键字序列；

S_KD1~S_KDn～特征关键字序列；

S501、S502、S503…S508～步骤；

SM1~SMn～相似度。

具体实施方式

以下说明为本发明的实施例。其目的是要举例说明本发明一般性的原则，不应视为本发明的限制，本发明的范围当以申请专利范围所界定者为准。

以搜寻引擎为基础的相关度距离

本发明的核心在于以搜寻引擎为基础，计算关键字之间的相关度距离。图1a所示为依据本发明的实施例计算相关度距离的示意图。关键字A与关键字B之间的相关度距离D(A,B)系根据以下公式计算：

$D(A,B)=\sqrt{{(R-r_A)}^2+{(R-r_B)}^2},$ [公式1]

其中R为一搜寻引擎的总资源数目，r_A为利用该搜寻引擎检索该关键字A所得到的资源数目，r_B为利用该搜寻引擎检索该关键字B所得到的资源数目。由此公式亦可得出关键字序列的连结强度，若相关度距离D(A,B)越小，则关键字A与关键字B之间的相关度越高，即关键字A与关键字B之间的连结强度也越大。根据上述相关度距离可以建立关键字之间的连结以形成一资料结构。

图1b所示为依据本发明的关键字资料结构10的示意图。关键字资料结构10是根据上述公式1的相关度建立。在关键字资料结构10中，关键字之间以根据公式1计算而得的相关度距离连结，并以该相关度距离作为连结关系的权重。如上所述，相关度距离越小，则关键字之间的相关度越高。因此，通过此种关键字资料结构可以得知一关键字是否与其他关键字相关，也可通过相关度距离得知关键字之间的相关程度高低。举例而言，从关键字资料结构10中可以得知关键字C与关键字A、D、E相关，若相关度距离的大小关系为D(C,D)>D(A,C)>D(C,E)，则可以得知关键字C与关键字E之间的相关程度最高。

关键字序列

图2所示为依据本发明的实施例撷取关键字序列的示意图。以上述关键字资料结构为基础，则可以从关键字资料结构中，撷取由当中数个关键字形成的具有代表性的关键字序列。举例而言，从一文件资料中撷取出关键字m₀~m_n，例如关键字m₀~m_n可根据字词在文件中的使用频率等方法撷取，关键字m₀~m_n可以用来代表文件资料。例如，可以从关键字m₀~m_n得知文件资料的内容，并以此来分类文件资料。但是，若以全部的关键字作为文件资料的代表，则资料过于庞大且运算不易，因此本发明根据上述的相关度距离以及关键字资料结构，从所有的关键字中选出数个关键字以形成最具有代表性的关键字序列。如上所述，首先根据公式1计算关键字m₀~m_n之间的相关度距离，并根据相关度距离建立关键字之间的连结关系，形成关键字资料结构20。

图2中所示的关键字资料结构22本质上与关键字资料结构20相同，仅改变关键字m₀~m_n的排列方式。关键字序列的撷取是根据关键字m₀~m_n之间的相关程度(连结强度)，从关键字m₀~m_n中选出连结强度最强的关键字序列代表所有关键字m₀~m_n，亦即代表文件资料。参考关键字资料结构22，当撷取关键字序列时，由关键字m₀出发，透过关键字与关键字之间的相关度距离，去寻找连结强度最强的下一个节点。举例而言，在寻找关键字m₀的下一个节点时，会根据关键字之间的相关度距离，比较m₀经过m₁至m₂(m₀→m₁→m₂)的连结强度与直接由m₀连结至m₂(m₀→m₂)的连结强度，也就是检查在关键字m₀与关键字m₂之间插入关键字m₁会不会增加整体的语意强度。若m₀→m₁→m₂的连结强度比m₀→m₂的连结强度强，则m₀→m₁→m₂比起m₀→m₂更能表达文件资料的语意，例如若D(m₀,m₁)+D(m₁,m₂)小于D(m₁,m₂)，则m₀→m₁→m₂的连结强度比m₀→m₂的连结强度强，因此选择m₀→m₁→m₂。接着，再比较m₀→m₁→m₂→m₃的连结强度与m₀→m₃的连结强度，决定要选择m₀→m₁→m₂→m₃或m₀→m₃，然后不断往下个关键字比较下去，最后选定一关键字序列，例如m₀→m₁→m₂→m_n，以代表文件资料，也就是说，关键字序列m₀→m₁→m₂→m_n的连结强度是关键字m₀~m_n所有可能的关键字序列中最大的。因此，关键字序列m₀→m₁→m₂→m_n是用来代表文件资料内容的特征。在大多数的情况下，关键字序列长度为4即足够代表文件资料。

知识领域目录树状结构

另外，通过上述以搜寻引擎为基础的相关度距离，可以建立知识领域目录之间的连结关系，并形成知识网格形式的知识领域目录树状结构。举例而言，现在有“地球”、“生命”、“地理”、“天气”、“植物”、“动物”、“鸟类”、“鱼类”以及“哺乳类”的知识领域目录，首先根据公式1计算每个知识领域目录之间的相关度(以知识领域目录的名称为关键字)，然后根据每个知识领域目录之间的相关度，决定是否建立其之间的连结关系，例如若二个知识领域目录之间的相关度距离小于一预设值，则可建立之间的连结关系，反之则否。接着，再根据条件机率决定知识领域目录之间的连结关系的从属关系。举例而言，现有知识领域目录X与知识领域目录Y，若根据公式1决定建立知识领域目录X与知识领域目录Y之间的连接关系。接着，再以下列公式，计算X在Y条件下的条件机率P(X→Y)以及Y在X条件下的条件机率P(Y→X)：

$P(X\→Y)=\frac{\log f(X,Y)}{\log f\left(Y\right)};$ 以及

$P(Y\→X)=\frac{\log f(X,Y)}{\log f\left(X\right)},$

其中f(X)为以知识领域目录X的名称为关键字通过一搜寻引擎(例如

搜寻所得到的搜寻结果数目，f(Y)为以知识领域目录Y的名称为关键字，通过上述搜寻引擎搜寻所得到的搜寻结果数目，而f(X，Y)为同时以知识领域目录X的名称为关键字以及知识领域目录Y的名称为关键字，通过上述搜寻引擎搜寻所得到的搜寻结果数目。若P(X→Y)的值大于P(Y→X)的值，则可以推论知识领域目录X包含知识领域目录Y，也就是知识领域目录X为父节点，而知识领域目录Y为子节点。

通过上列所述的方法，可以建立一知识网格形式的知识领域目录树状结构，如图3中知识领域目录树状结构30所示。通过此知识领域目录树状结构30，可以很快速地查询某一知识领域目录是否与其他知识领域目录相关连。另外，知识领域目录树状结构可随着资源的增加而动态扩展。

知识领域目录的特征关键字序列

类似于上述关键字序列，本发明对于每个知识领域目录皆指派一特征关键字序列，以代表每个知识领域目录。以知识领域目录“地理”为例，从“地理”目录下的所有文件资料取得关键字m_g0~m_gn，再以上述从关键字m₀~m_n中撷取关键字序列的方式，从关键字m_g0~m_gn中撷取最具代表性的关键字序列以作为“地理”目录的特征关键字序列。

关键字序列比对

如上所述，本发明从一文件资料中取得一关键字序列，而各知识领域目录也有其特征关键字序列，因此通过比对文件的关键字序列与各知识领域目录的特征关键字序列，可以得知该文件与哪个知识领域目录最有关连。亦即，通过计算文件的关键字序列与各知识领域目录的特征关键字序列之间的相似度，可以得知该文件可被分类至哪个知识领域目录。图4a所示为依据本发明实施例的关键字序列比对的示意图。图4b所示为根据本发明实施例的知识领域目录树状结构KDT（Knowledge Domain Tree）的示意图。其中，图4a所示的序列S为文件资料P的关键字序列，而序列S_KD1~S_KDn分别为知识领域目录KD1~KDn的特征关键字序列，图4b所示的知识领域目录KD1~KDn，为知识领域目录树状结构KDT第二层的目录。

在本发明一实施例中，序列之间的相似度是以搜寻引擎为基础进行计算。举例而言，参考图4a，若要比较序列S分别与序列S_KD1~S_KDn之间的相似度SM1~SMn，首先分别以序列S的每个关键字加上序列S_KD1~S_KDn其中一序列的每个关键字进行检索，例如以(m₁+m₂+…+m_n)+(m₁₁+…+m_1n)进行检索，其中m₁~m_n为序列S的关键字，m₁₁~m_1n为序列S_KD1的关键字。若序列S与序列S_KD1的相似度越高，则以(m₁+…+m_n)+(m₁₁+m₁₂+…+m_1n)进行检索的检索结果的递减率越低。以

为例，若序列S与序列S_KD1的相似度很高，则以(m₁+m₂+…+m_n)+(m₁₁+…+m_1n)进行检索所得到的独立网页数会足够多，但若序列S与序列S_KD1的相似度很低，则以(m₁+m₂+…+m_n)+(m₁₁+…+m_1n)进行检索所得到的独立网页数不多。

资源分类

在建立好知识领域目录树状结构之后，可进行资源分类，并将不同知识领域的资源分配至其所属的知识领域目录。在本发明中若现在接收到一新资源U，首先如上列“关键字序列”所述，取得资源U的关键字序列，再通过如上列“关键字序列比对”所述，分别比对资源U的关键字序列，与知识领域目录树状结构KDT中，所有知识领域目录的特征关键字序列的相似度，找出相似度最大的一个特征关键字序列，并将文件资料U分类至相似度最大的特征关键字序列所对应的知识领域目录。例如若资源U的关键字序列与特征关键字序列S_KD2的相似度最大，则资源U被分类至知识领域目录KD2。

教案编辑的动态资源推荐方法

图5所示为依据本发明实施例的教案编辑的动态资源推荐方法50的流程图。

在步骤S501中，从正在编辑的教案中即时撷取关键字m₀~m_n。在步骤S502中，根据上述公式1计算关键字m₀~m_n之间的相关度距离。在步骤S503中，如上列关键字序列所述，根据相关度距离，从中选取N个关键字以形成关键字序列S，其中N为一正整数。

接着在步骤S504中，如上列关键字序列比对所述，计算关键字序列S与知识领域目录KD1~KDn的特征关键字序列S_KD1~S_KDn之间的相似度SM1~SMn。例如图4b中所示，知识领域目录KD1~KDn为知识领域目录树状结构KDT的第二层的知识领域目录，也就是主目录KD底下的次目录。在本实施例中，本发明比对关键字序列S与第二层的知识领域目录的特征关键字序列之间的相似度，但在其他实施例中，本发明也可比对不只一层的知识领域目录的特征关键字序列。

在步骤S505中，根据相似度SM1~SMn，选择与关键字序列S相关的至少一个知识领域目录。例如若SM1为相似度SM1~SMn中最大的相似度，则选择知识领域目录KD1。须注意的是，所选择的知识领域目录并不限于一个，也可以选择相似度最大和次大的知识领域目录。

在步骤S506中，推荐该至少一个知识领域目录内的资源，例如推荐知识领域目录KD1的资源，使编辑教案的编辑者可以存取知识领域目录KD1的资源。

除此之外，在步骤S507中，也会根据知识领域目录KD1在知识领域目录树状结构KDT中的位置与连结关系，推荐与知识领域目录KD1相关的其他知识领域目录。例如根据图4b的知识领域目录树状结构KDT，可以得知知识领域目录KD1与次知识领域目录KD11、KD12以及KD21相关，则也会推荐次知识领域目录KD11、KD12以及KD21的资源，甚至更延伸出去的其他目录的资源。知识领域目录树状结构KDT的建立系根据上列知识领域目录树状结构所述，根据上述公式1计算每个知识领域目录之间的相关度距离，再根据相关度距离以及条件机率建立知识领域目录之间的连结。

接着在经过一段时间T后，于步骤S508中确认教案是否编辑完毕，若未编辑完毕，则回到步骤S501撷取关键字，继续资源推荐。其中时间T可由使用者设定一固定时间，因此在教师编辑教案的同时，每经过时间T就会自动撷取目前教案中的关键字来进行资源推荐，随着教案编写内容的不同，本方法可以即时对应目前的教案编写内容进行动态资源推荐，因此教师不用等到全部的教案都编写完成再进行资源搜索。除此之外，本发明也可配置为当使用者需要资源推荐时，藉由点击使用者介面上的一按钮即可触发步骤S501之后的步骤。

图6所示为依据本发明实施例的教案编辑系统60的示意图。

教案编辑系统60包括使用者介面模块610、关键字撷取模块620、关键字序列产生模块630、比对模块640、知识分类模块650、推荐模块660以及储存装置670。其中模块610～660可为执行相关功能的处理器。或者，模块610～660整体可为包含程序码的实体媒体，如软碟、光碟片、硬碟、或是任何其他电子设备或机器可读取(如电脑可读取)储存媒体，当程序码被机器，如电脑载入且执行时，此机器变成用以参与本发明的装置或系统。

依据本发明的一实施例，使用者介面模块610接收正在编辑的一教案，例如使用者介面模块610可与教案编辑软体例如Word或Power Point等统合在一起。关键字撷取模块620从该教案中即时撷取多个关键字。关键字序列产生模块630如上列步骤S503所述产生一关键字序列。知识分类模块650储存知识领域目录树状结构KDT，知识领域目录树状结构KDT中的每个知识领域目录所对应的资源储存于储存装置670中，知识分类模块650依据知识领域目录树状结构KDT预先对储存于储存装置670的资源672进行分类，另外知识分类模块650可透过网络680存取网络资源682，并依据知识领域目录树状结构KDT对所存取的网络资源进行分类。

比对模块640如步骤S504所述，计算关键字序列与知识领域目录的特征关键字序列之间的相似度。推荐模块660如上列步骤S505至步骤S507中所述，根据相似度并透过使用者介面模块610，将与关键字序列相关的至少一个知识领域目录下的资源推荐给编辑者，并根据该至少一个知识领域目录与知识领域目录树状结构KDT，推荐与该至少一个知识领域目录相关的其他知识领域目录下的资源。

综上所述，本发明能在编辑教案的当下根据目前已编辑的内容动态推荐相关资源，并能通过所推荐的相关资源延伸连结至其他跨领域且高度相关的资源，使得在编辑教案的同时，可以即时获得与教案高度相关且整合跨领域的资源。

本发明的方法，或特定型态或其部份，可以以程序码的型态存在。程序码可以包含于实体媒体，如软碟、光碟片、硬碟、或是任何其他电子设备或机器可读取(如电脑可读取)储存媒体，亦或不限于外在形式的电脑程式产品，其中，当程序码被机器，如电脑载入且执行时，此机器变成用以参与本发明的装置或系统，且可执行本发明的方法步骤。程序码也可以透过一些传送媒体，如电线或电缆、光纤、或是任何传输型态进行传送，其中，当程序码被电子设备或机器，如电脑接收、载入且执行时，此机器变成用以参与本发明的系统或装置。当在一般用途处理单元实作时，程序码结合处理单元提供一操作类似于应用特定逻辑电路的独特装置。

以上所述为本发明实施例的概述特征，所属技术领域中具有通常知识者应可以轻而易举地利用本发明为基础，设计或调整以实行相同的目的和/或达成与此处介绍的实施例相同的优点。所属技术领域中具有通常知识者也应了解相同的配置不应背离本创作的精神与范围。在不背离本创作的精神与范围下，他们可做出各种改变、取代和交替。说明性的方法仅表示示范性的步骤，但这些步骤并不一定要以本发明实施例所表示的顺序执行。可另外加入、取代、改变顺序和/或消除步骤以视情况而作调整，并与所揭露的实施例精神和范围一致。

Claims (16)

1.一种教案编辑的动态资源推荐方法，其特征是，所述教案编辑的动态资源推荐方法包括：

从正在编辑的一教案中即时撷取多个关键字；

计算每个所述多个关键字之间的相关度距离；

根据所述多个相关度距离从所述多个关键字选取N个关键字以形成一关键字序列，其中N为一正整数；

计算所述关键字序列与第一多个知识领域目录中的第二多个知识领域目录的每一个的特征关键字序列之间的相似度；

根据所述多个相似度，从所述第二多个知识领域目录中决定与所述关键字序列相关的至少一知识领域目录；以及

推荐所述至少一知识领域目录内的资源。

2.如权利要求1所述的教案编辑的动态资源推荐方法，其特征是，所述方法更包括依据下列公式计算每个所述多个关键字之间的相关度距离及连结强度：

$D(A,B)=\sqrt{{(R-r_A)}^2+{(R-r_B)}^2},$

其中D(A,B)为关键字A与关键字B之间的相关度距离，R为一搜寻引擎的总资源数目，r_A为利用所述搜寻引擎检索所述关键字A所得到的资源数目，r_B为利用所述搜寻引擎检索所述关键字B所得到的资源数目，且所述相关度距离D(A,B)越小，则所述关键字A与所述关键字B之间的连结强度越大。

3.如权利要求2所述的教案编辑的动态资源推荐方法，其特征是，所述方法更包括：

以所述第一多个知识领域目录的名称为关键字，根据所述公式计算每个所述第一多个知识领域目录之间的相关度距离；以及

根据每个所述第一多个知识领域目录之间的相关度距离建立所述第一多个知识领域目录之间的连结关系。

4.如权利要求3所述的教案编辑的动态资源推荐方法，其特征是，所述方法更包括：

根据所述第一多个知识领域目录之间的连结关系，找出与所述至少一个知识领域目录相关的所述第一多个知识领域目录中的第三多个知识领域目录；以及

推荐所述第三多个知识领域目录内的资源。

5.如权利要求2所述的教案编辑的动态资源推荐方法，其特征是，所述关键字序列的连结强度比其他任意一个由所述多个关键字中N个关键字所构成的关键字序列大。

6.如权利要求5所述的教案编辑的动态资源推荐方法，其特征是，N为不大于4的一正整数。

7.如权利要求3所述的教案编辑的动态资源推荐方法，其特征是，所述方法更包括：

从每个所述第一多个知识领域目录内的资源撷取多个关键字；

根据所述公式计算每个所述多个关键字之间的相关度距离；以及

根据所述多个相关度距离从所述多个关键字选取M个关键字以形成每个所述第一多个知识领域目录的特征关键字序列，其中M为一正整数。

8.如权利要求7所述的教案编辑的动态资源推荐方法，其特征是，所述方法更包括：

接收多个资源；

从每个所述多个资源中撷取多个资源关键字；

根据所述公式计算每个所述多个资源关键字之间的相关度距离；

根据所述多个相关度距离决定每个所述多个资源的特征关键字序列；

计算每个所述多个资源的特征关键字序列与每个所述第一多个知识领域目录的特征关键字序列之间的相似度；以及

根据所述多个相似度，将每个所述多个资源分类至相似度最大的知识领域目录中。

9.一种教案编辑系统，其特征是，所述教案编辑系统包括：

一使用者介面模块，接收正在编辑的一教案；

一关键字撷取模块，从所述教案中即时撷取多个关键字；

一关键字序列产生模块，计算每个所述多个关键字之间的相关度距离，并根据所述多个相关度距离从所述多个关键字选取N个关键字以形成一关键字序列，其中N为一正整数；

一比对模块，计算所述关键字序列与第一多个知识领域目录中的第二多个知识领域目录的每一者的特征关键字序列之间的相似度；以及

一推荐模块，根据所述多个相似度，从所述第二多个知识领域目录中决定与所述关键字序列相关的至少一个知识领域目录，并推荐所述至少一个知识领域目录内的资源。

10.如权利要求9所述的教案编辑系统，其特征是，每个所述多个关键字之间的相关度距离及连结强度系根据以下公式计算：

$D(A,B)=\sqrt{{(R-r_A)}^2+{(R-r_B)}^2},$

其中D(A,B)为关键字A与关键字B之间的相关度距离，R为一搜寻引擎的总资源数目，r_A为利用所述搜寻引擎检索所述关键字A所得到的资源数目，r_B为利用所述搜寻引擎检索所述关键字B所得到的资源数目，且所述相关度距离D(A,B)越小则所述关键字A与所述关键字B之间的连结强度越大。

11.如权利要求10所述的教案编辑系统，其特征是，对于所述第一多个知识领域目录，以所述第一多个知识领域目录的名称为关键字，根据所述公式计算每个所述第一多个知识领域目录之间的相关度距离，并根据每个所述第一多个知识领域目录之间的相关度距离，建立所述第一多个知识领域目录之间的连结关系。

12.如权利要求11所述的教案编辑系统，其特征是，所述推荐模块更根据所述第一多个知识领域目录之间的连结关系，找出与所述至少一个知识领域目录相关的所述第一多个知识领域目录中的第三多个知识领域目录，并推荐所述第三多个知识领域目录内的资源。

13.如权利要求10项所述的教案编辑系统，其特征是，所述关键字序列的连结强度比其他任意一个由所述多个关键字中N个关键字所构成的关键字序列大。

14.如权利要求13所述的教案编辑系统，其特征是，N为不大于4的一正整数。

15.如权利要求11所述的教案编辑系统，其特征是，对于每个所述第一多个知识领域目录，从每个所述第一多个知识领域目录内的资源撷取多个关键字，根据所述公式计算每个所述多个关键字之间的相关度距离，并根据所述多个相关度距离从所述多个关键字选取M个关键字以形成每个所述第一多个知识领域目录的特征关键字序列，其中M为一正整数。

16.如权利要求15所述的教案编辑系统，其特征是，所述教案编辑系统更包括：

一知识分类模块，接收多个资源，从每个所述多个资源中撷取多个资源关键字，根据所述公式计算每个所述多个资源关键字之间的相关度距离，根据所述多个相关度距离决定每个所述多个资源的特征关键字序列，计算每个所述多个资源的特征关键字序列与每个所述第一多个知识领域目录的特征关键字序列之间的相似度，再根据所述多个相似度，将每个所述多个资源分类至相似度最大的知识领域目录中。

Images