CN105138624A - 一种基于在线课程用户数据的个性化推荐方法 - Google Patents

Abstract

本发明公开了一种基于在线课程用户数据的个性化推荐方法，本方法为：1)建立课程、标签、题目之间的标签映射关系；2)课程推荐系统根据用户的学习记录，计算用户对课程的错误率列表ET；3)根据表ET生成每一课程的错误列表，然后根据课程的错误列表计算两课程间的相似度；4)对于每一用户；根据相似度计算该用户对每一课程的错误率预测权重；然后根据映射关系和错误率预测权重计算每一标签的推荐权重；然后根据映射关系和标签推荐权重计算每一题目的推荐权重，然后根据题目的推荐权重为该用户生成一推荐列表。本发明不但能够解决冷启动问题，而且能够主动吸引用户的注意力，提高学习动力。

Description

一种基于在线课程用户数据的个性化推荐方法

技术领域

本发明涉及个性化预测与推荐领域，基于在线课程网站用户的历史学习数据进行出错高峰课程的预测，并进行相应标签映射下拓展学习内容的个性化推荐，如挑战题目等。具体为一种基于在线课程用户数据的个性化内容推荐方法。

背景技术

在线课程学习网站作为当前最为流行的学习方式之一，在一定程度上为学习用户提供了广泛的资源与开放的平台，但当前这种学习方式也存在着一些明显的弊端：1.伴随式学习方式很容易使用户模糊判断自己的学习情况；2.资源、信息的膨胀会使用户盲目于所要学习的内容；3.对于不同爱好、水平的用户提供无差别的课程内容。这些弊端无疑都会导致用户学习效果的降低与学习用户的流失。所以我们需要实现在线课程平台的个性化学习内容推荐，充分利用学习过程中产生的海量记录与数据，改变顺序与无差别的传统学习方式，因材施教。

个性化推荐系统主要根据用户的偏好与行为等特征为其推荐可能感兴趣的信息或项目，通过在用户与项目之间建立的二元关系，利用历史行为与相似性挖掘每个用户潜在的偏好信息，进而进行个性化内容推荐。目前的主流推荐算法包括：基于内容的推荐、协同过滤推荐以及混合推荐。协同过滤推荐技术是推荐系统中应用最早也是最为成功的技术之一，且已经被广泛应用到电子商务、医疗、金融等各个领域中。在其走向成熟的过程中也存在着许多待解决问题：如数据稀疏性问题会导致性能下降与伸缩性不足、新用户冷启动问题以及算法健壮性不够等。

本发明致力于实现基于在线课程海量数据下用户的个性化内容推荐，同时解决错误信息较少用户的冷启动问题：参与度较低用户(初级用户)学习记录过少，或者学习水平较高用户(高级用户)基本无出错信息，难以进行最易出错课程的预测与推荐。

发明内容

为了解决当前在线学习网站学习结构的顺序化与学习内容的无差别化，本发明提供一种基于用户学习历史数据的个性化内容推荐方法。将传统协同过滤推荐方式应用于对在线课程学习平台上用户学习的个性化反馈中，并解决信息过少用户的冷启动问题。

本发明解决其技术问题所采用的技术方案是：一种基于在线学习课程用户的数据的个性化内容推荐方法，在用户的学习过程中会伴随着大量学习记录的产生，用户对课程的提交操作与准确率等信息将作为历史数据存储于数据库或数据仓库中；定期处理原始记录数据获得用户对于每一门课程的掌握程度，这里以错误率为衡量基准；根据用户错误率与课程间相似度，可以获得用户对每一门课程的错误率预测权重；选取预测权重最高的N门课程；根据标签映射计算标签权重，进而计算相应标签下内容的权重并排序获得拓展内容的推荐列表。

其中，课程、标签、拓展内容之间的标签映射关系(C,L,P)是学习系统提前确定的，标签集L根据应用场景不同可以预先设定(如由课程的学习内容设置主题标签、由课程的难度设置难易标签等多种标签)，或由用户学习过程中挖掘分析而获得(如对用户的学习行为进行聚类分析，相似的课程划分为同一类，进而归纳出标签)。这三者间的映射关系是n对n的，每一个课程可以关联任意多个标签，每一个标签又可以关联任意多个题目，可参考图2。

本发明的具体步骤如下，可参考图1：

1.处理原始用户数据，获得用户的错误列表：课程推荐系统在学习过程中用户集U对课程集C的海量操作记录均会被存储于数据库或数据仓库中。经历一定的时间周期T后从数据库中取出原始学习记录包括提交操作、提交结果、完成时间等详细信息，对其进行预处理与统计分析可以获得用户对课程的错误率列表ET，错误列表是用户、课程之间错误率的二元关系，即：

ET＝{(u_i,c_j,error(u_i,c_j))|u_i∈U,c_j∈C,error(u_i,c_j)≥0}

其中，error(u_i,c_j)表示统计计算出用户u_i参与课程c_j学习后的错误率：

$error(u_i,c_j)=\frac{C_{error}(u_i,c_j)}{C_{all}(u_i,c_j)}$

C_error(u_i,c_j)表示用户u_i参与c_j学习中提交结果出错的次数，C_all(u_i,c_j)表示用户u_i参与c_j学习中所有提交次数；

2.获得项目(课程)相似度列表：课程推荐系统利用步骤1中处理获得的ET中用户与课程间的二元关系可以获得课程的错误列表，如,c_i,c_j：

c_i:{error(u₁,c_i),error(u₂,c_i),...error(u_m,c_i)}

c_j:{error(u₁,c_j),error(u₂,c_j),...error(u_m,c_j)}

计算每两个课程间的相似度，这里采用pearson系数计算：

${\mathrm{\ρ}}_{X,Y}=\frac{\mathrm{cov}(X,Y)}{{\mathrm{\σ}}_X{\mathrm{\σ}}_Y}=\frac{E\left(\right(X-{\mathrm{\μ}}_X\left)\right(Y-{\mathrm{\μ}}_Y\left)\right)}{{\mathrm{\σ}}_X{\mathrm{\σ}}_Y}=\frac{E\left(XY\right)-E\left(X\right)E\left(Y\right)}{\sqrt{E\left(X^2\right)-E^2\left(X\right)}\sqrt{E\left(Y^2\right)-E^2\left(Y\right)}}$

其中E(X)表示变量X的数学期望，如c_i与c_j的相似度为：

$sim(c_i,c_j)=\frac{\mathrm{cov}(c_i,c_j)}{{\mathrm{\σ}}_{c_i}{\mathrm{\σ}}_{c_j}}==\frac{E\left(c_i{c}_j\right)-E\left(c_i\right)E\left(c_j\right)}{\sqrt{E\left({c_i}^2\right)-E^2\left(c_i\right)}\sqrt{E\left({c_j}^2\right)-E^2\left(c_j\right)}}$

3.计算用户u_i所有课程的错误率预测权重：课程推荐系统对于用户对某一课程的错误率权重，由其所参与学习课程的错误率的加权和计算，其中每一项的权重采用其与所预测课程之间的相似度，相似度越大的课程，其对于该课程的影响性就越大，可以参考步骤2中计算得出的相似度列表；即用户u对于课程a的预测权重为用户u出错的每一个课程的错误率与该课程和a相似度乘积之和，如计算用户u_i对于课程c_j的错误率预测权重：

$predict\_error(u_i,c_j)=\underset{(u_i,c_k)\∈ET}{\Σ}error(u_i,c_k)\×sim(c_k,c_j)$

其中u_i∈U；c_j,c_k∈C；

4.获取u_i的Top-N出错高峰课程列表：对步骤3中计算获得的预测列表按predict_error(u_i,c_j)进行降序排列，选择错误率预测权重最高的N个课程。

5.计算与步骤4所得Top-N列表中课程有映射关系的标签l_k的推荐权重w(l_k)：利用课程、标签、题目之间的三元关系(C,L,P)，每一个标签的推荐权重值是由其集合所包含的且属于Top-N出错高峰课程列表的课程的错误率预测权重和计算获得：

l_k∈L；

$w\left(l_k\right)=\underset{c_j\∈courses\left(l_k\right)\∩c_j\∈Top-N\left(u_i\right)}{\Σ}predict\_error(u_i,c_j),$

courses(l_k)表示标签l_k所映射的课程的集合，Top-N(u_i)表示用户u_i的Top-N出错高峰列表；

6.获得拓展内容(挑战题目)推荐列表：根据步骤5中获得的标签推荐权重计算与其标签集有映射关系的拓展内容(挑战题目)权重w(p_i)，其中：

pi∈P

$w\left(p_i\right)=\underset{p_i\∈problems\left(l_k\right)}{\Σ}w\left(l_k\right)$

problems(l_k)表示标签l_k所映射的挑战题目的集合，

挑战题目的推荐权重由所属标签集合的推荐权重求和获得，并按降序排列，即可获得推荐K列表。

在现实应用场景中常常会面临很多无错误率信息用户的冷启动问题(因为这些用户在错误列表中无相关学习记录或者错误率均为0，于上述步骤3预测所有课程错误率过程中会发现预测出的错误率均很低，导致推荐结果不准确)，解决方案将采用：对于无学习参与活动或者学习参与活动较少(如参与学习的课程数量<20％)的用户，其掌握水平是未知的，对于课程的内容了解也时是甚微的，故为其推荐相应简单级别(预先设定标签种类中的一种)标签下的内容(挑战题目)，比如为其推荐预先设定的一组题目列表；对于掌握程度较高(如参与学习的课程数量>20％)的用户，完成课程数量多同时学习效率较高，故根据所有用户的学习规律为其进行基于大众的推荐。

与现有技术相比，本发明的积极效果为：

本发明不但能够解决冷启动问题，而且能够主动吸引用户的注意力，提高学习动力；对于掌握程度较高级用户，完成课程数量多同时学习效率高，本发明能够根据用户的学习规律为其进行基于大众的推荐。

附图说明

图1是本发明的推荐过程流程图。

图2是课程、标签、挑战题目(C,L,P)之间的三元关系图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

本发明基于对原始学习数据的整合与处理，由用户真实出错率和课程间相似度预测出出错率最高的N个课程，进行加权投票计算相应标签映射下课外挑战题目的推荐权重，并获得推荐列表。

以某在线编程学习网站为例进一步说明，其主要步骤如下：

1.原始用户数据的预处理，获得用户的错误列表：数据库中取出原始学习记录，这里分析用户对课程的提交操作数据(cid,uid,active_type,active_text,time)

其中各参数代表：cid:课程唯一id，uid:学习用户唯一id，active_type:用户学习行为类型，active_text:用户学习行为类型说明，time:学习时间。

对其进行预处理与统计分析，可以获得最新周期时间内用户对课程的错误率列表ET，即

ET＝{(u_i,c_j,error(u_i,c_j))|u_i∈U,c_j∈C,error(u_i,c_j)≥0}

其中，error(u_i,c_j)表示统计计算出用户u_i参与课程c_j学习的错误率：

$error(u_i,c_j)=\frac{C_{error}(u_i,c_j)}{C_{all}(u_i,c_j)}$

C_error(u_i,c_j)表示用户u_i参与c_j学习中提交结果出错的次数，C_all(u_i,c_j)表示用户u_i参与c_j学习中所有提交次数；

假设某用户u_a的出错列表ET项目为:

{(u_a,c₁,0.5),(u_a,c₂,0.86),(u_a,c₃,0.5),(u_a,c₄,0.5),(u_a,c₅,0.67),(u_a,c₆,0.5),(u_a,c₇,0.0)...}。

2.获得项目(课程)相似度列表：利用用户与课程错误率列表的二元偏好关系如：

c_i:{error(u₁,c_i),error(u₂,c_i),...error(u_m,c_i)}

c_j:{error(u₁,c_j),error(u₂,c_j),...error(u_m,c_j)}

计算每两个课程间的相似度，这里采用pearson系数计算：

${\mathrm{\&rho;}}_{X,Y}=\frac{\mathrm{cov}(X,Y)}{{\mathrm{\&sigma;}}_X{\mathrm{\&sigma;}}_Y}=\frac{E\left(\left(X-{\mathrm{\&mu;}}_X\right)\left(Y-{\mathrm{\&mu;}}_Y\right)\right)}{{\mathrm{\&sigma;}}_X{\mathrm{\&sigma;}}_Y}=\frac{E\left(XY\right)-E\left(X\right)E\left(Y\right)}{\sqrt{E\left(X^2\right)-E^2\left(X\right)}\sqrt{E\left(Y^2\right)-E^2\left(Y\right)}}$

其中E(X)表示变量X的数学期望，如c_i与c_j的相似度为：

$sim(c_i,c_j)=\frac{\mathrm{cov}(c_i,c_j)}{{\mathrm{\&sigma;}}_{c_i}{\mathrm{\&sigma;}}_{c_j}}==\frac{E\left(c_i{c}_j\right)-E\left(c_i\right)E\left(c_j\right)}{\sqrt{E\left({c_i}^2\right)-E^2\left(c_i\right)}\sqrt{E\left({c_j}^2\right)-E^2\left(c_j\right)}};$

3.计算用户u_i所有课程的错误率预测权重：对于用户对于某一课程的错误率预测权重，由其参与学习课程的错误率的加权和计算，参考步骤2中的错误率列表：

$predict\_error(u_i,c_j)=\underset{(u_i,c_k)\&Element;ET}{\&Sigma;}error(u_i,c_k)\&times;sim(c_k,c_j)$

其中u_i∈U；c_j,c_k∈C；

经计算得出用户u_a的预测错误率列表：

{(c₁,0.99),(c₂,0.86),(c₃,0.76),(c₄,0.75),(c₅,0.63),(c₆,0.46),(c₇,0.35),(c₈,0.60),...}；

4.获取Top-N出错高峰课程列表：对步骤3中计算获得的预测列表按predict_error(u_a,c_j)进行降序排列，选择错误率预测权重最高的N个课程，对于N的选取可以根据具体的应用情景，寻找在准确率与召回率均有较好效果的取值；

这里获取出错高峰Top-5课程列表{(c₁,0.99),(c₂,0.86),(c₃,0.76),(c₄,0.75),(c₅,0.63)}。

5.计算与步骤4所得Top-N列表中课程有映射关系的标签推荐权重w(l_k)：利用课程、标签、挑战题目之间的三元关系(C,L,P)，每一个标签的推荐权重值是由其集合所包含的且属于Top-N出错高峰课程列表的课程预测权重和计算获得：

l_k∈L

$w\left(l_k\right)=\underset{c_j\&Element;courses\left(l_k\right)\&cap;c_j\&Element;Top-N\left(u_i\right)}{\&Sigma;}predict\_error(u_i,c_j),$

courses(l_k)表示标签l_k所映射的课程的集合，Top-N(u_i)表示用户u_i的Top-N出错高峰列表；

用户u_a标签推荐权重计算如下：

w(l₁)＝predict_error(u_a,c₁)＝0.99，

w(l₂)＝predict_error(u_a,c₂)＝0.86，

w(l₃)＝predict(u_a,c₃)+predict(u_a,c₄)+predict(u_a,c₅)＝2.14；

6.获得挑战题目推荐列表：根据步骤5中获得的标签推荐权重求和计算与其标签集有映射关系的挑战题目权重w(p_i)，其中，

pi∈P

$w\left(p_i\right)=\underset{p_i\&Element;problems\left(l_k\right)}{\&Sigma;}w\left(l_k\right)$

problems(l_k)表示标签l_k所映射的挑战题目的集合，

用户u_a题目推荐权重计算如下：

w(p₁)＝w(l₁)+w(l₃)＝3.13

w(p₂)＝w(l₁)＝0.99

w(p₃)＝w(l₂)+w(l₃)＝3.00

w(p₄)＝...＝w(p_m)＝w(l₃)＝2.14

根据推荐权重按降序排列，即可获得推荐列表，选择最高的K个题目进行推荐，当K＝2时，推荐项为p1,p3。

7.解决可用信息较少的用户的冷启动问题：对于刚注册的用户或者基本无学习参与活动(如参与学习的课程数量<20％)的用户，其掌握水平是未知的，对于课程的内容了解也是甚微的学习积极性较差，故为其推荐相应简单级别标签下的题目，主动吸引用户的注意力，提高学习动力；

对于掌握程度较高(如错误率信息较少且参与学习的课程数量>20％)的用户，完成课程数量多同时学习效率较高，故根据所有用户的学习规律为其进行基于大众的推荐：

$predict\_{\mathrm{error}}_{average}\left(c_j\right)=\frac{\underset{u_i\&Element;Q_{c_j}}{\&Sigma;}error\left(u_i,c_j\right)}{\left|Q_{c_j}\right|}$

表示所有参与课程c_j学习的用户集，表示其用户集的人数，预测出错高峰课程时，以参与该课程学习的用户的平均错误率作为其预测错误率，进而获得最有可能出错的课程列表，继续步骤4后的推荐操作。

Claims (9)

1.一种基于在线课程用户数据的个性化推荐方法，其步骤为：

1)建立课程、标签、题目之间的标签映射关系；其中，每一课程能够与一个或多个标签关联，每一标签能够与一个或多个题目关联；

2)课程推荐系统根据用户的学习记录，计算用户对课程的错误率列表ET＝{(u_i,c_j,error(u_i,c_j))|u_i∈U,c_j∈C,error(u_i,c_j)≥0}；其中，error(u_i,c_j)为用户u_i参与课程c_j学习后的错误率，U为用户集合，C为课程集合；

3)根据错误列表ET生成每一课程c_i的错误列表c_i:{error(u₁,c_i),error(u₂,c_i),...error(u_m,c_i)}，然后根据课程的错误列表计算两课程间的相似度；

4)对于每一用户u_i；根据所述相似度计算用户u_i对每一课程的错误率预测权重；然后根据所述映射关系和该用户u_i对每一课程的错误率预测权重计算每一标签l_k的推荐权重w(l_k)；然后根据所述映射关系和标签推荐权重计算每一题目p_i的推荐权重w(p_i)，然后根据推荐权重w(p_i)为该用户u_i生成一推荐列表。

2.如权利要求1所述的方法，其特征在于，所述错误率其中，C_error(u_i,c_j)表示用户u_i参与课程c_j学习中提交结果出错的次数，C_all(u_i,c_j)表示用户u_i参与课程c_j学习中所有提交次数。

3.如权利要求1所述的方法，其特征在于，用户u_i对于课程c_j的所述错误率预测权重为 $predict\_error(u_i,c_j)=\underset{\left(u_i,c_k,error\left(u_i,c_k\right)\right)\&Element;ET}{\&Sigma;}error\left(u_i,c_k\right)\&times;sim\left(c_k,c_j\right);$ 其中，sim(C_k，C_j)为课程C_k与C_j之间的相似度，error(u_i,c_k)为用户u_i参与课程C_k学习后的错误率。

4.如权利要求1所述的方法，其特征在于，对于学习记录大于设定阈值并且错误率满足设定条件的用户u_i，将该用户u_i对于课程c_j的所述错误率预测权重采用课程的平均错误率 $predict\_{\mathrm{error}}_{average}\left(c_j\right)=\frac{\underset{u_i\&Element;Q_{c_j}}{\&Sigma;}error\left(u_i,c_j\right)}{\left|Q_{c_j}\right|};$ 其中，表示所有参与课程c_j学习的用户集，表示其用户集的人数。

5.如权利要求3或4所述的方法，其特征在于，所述推荐权重 $w\left(l_k\right)=\underset{c_j\&Element;courses\left(l_k\right)\&cap;c_j\&Element;Top-N\left(u_i\right)}{\&Sigma;}predict\_error(u_i,c_j),$ 其中，courses(l_k)表示标签l_k所映射的课程的集合，Top-N(u_i)表示用户u_i的Top-N出错高峰列表。

6.如权利要求1所述的方法，其特征在于，所述步骤4)中，选取错误率预测权重最高的N个课程，然后根据这N个课程的错误率预测权重计算每一标签l_k的推荐权重w(l_k)。

7.如权利要求1或6所述的方法，其特征在于，题目的所述推荐权重其中，problems(l_k)表示标签l_k所映射的挑战题目的集合。

8.如权利要求1所述的方法，其特征在于，对于学习记录少于设定阈值或者错误率均为0的初级用户，为其推荐预先设定的一组题目列表。

9.如权利要求1所述的方法，其特征在于，采用pearson系数计算公式计算所述相似度。