CN106503050A - 一种基于大数据进行阅读文章推荐的方法与系统 - Google Patents

一种基于大数据进行阅读文章推荐的方法与系统 Download PDF

Info

Publication number
CN106503050A
CN106503050A CN201610846546.8A CN201610846546A CN106503050A CN 106503050 A CN106503050 A CN 106503050A CN 201610846546 A CN201610846546 A CN 201610846546A CN 106503050 A CN106503050 A CN 106503050A
Authority
CN
China
Prior art keywords
reading
article
student
recommendation
big data
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.)
Granted
Application number
CN201610846546.8A
Other languages
English (en)
Other versions
CN106503050B (zh
Inventor
陈飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yaoling Artificial Intelligence (Zhejiang) Co., Ltd.
Original Assignee
Xiamen City Kakitsubata Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen City Kakitsubata Technology Co Ltd filed Critical Xiamen City Kakitsubata Technology Co Ltd
Priority to CN201610846546.8A priority Critical patent/CN106503050B/zh
Publication of CN106503050A publication Critical patent/CN106503050A/zh
Application granted granted Critical
Publication of CN106503050B publication Critical patent/CN106503050B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Fuzzy Systems (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及基于大数据进行阅读文章推荐的方法与系统，基于大数据手段，根据海量学生的阅读行为数据，如阅读时的状态和行为特征、阅读后的状态和行为特征，生成文章选择模型，采集输入学生个体的特征数据，基于文章选择模型为学生个体针对性地推荐阅读材料。并通过关联学生阅读时的表情、环境因素等，进一步地，与学生的知识水平、作业完成情况关联，可得到外界因素、学生个体的学习情况对学生进行阅读的影响，同时也作为生成文章选择模型的样本，能够更精准地进行文章推荐。本发明还提供推荐结果检测机制，对学生的阅读结果进行检测，以检测结果对推荐精确程度进行反映，并且使文章选择模型进行循环迭代，保证文章推荐的实时有效性。

Description

一种基于大数据进行阅读文章推荐的方法与系统
技术领域
本发明涉及数据筛选技术，更具体地说，涉及一种基于大数据进行阅读文章推荐的方法，以及一种基于大数据进行阅读文章推荐的系统。
背景技术
在信息、资料没有强制分级的大环境下，任何人都可以无障碍地接触到任何公开的信息。特别是学生群体，容易接触到不适合其年龄的信息，而依赖人工分级，则受限于人力资源有限，效率差。并且分级完也缺少有效的措施向学生群体进行推荐。
另一方面，适合学生群体阅读的材料与信息中，包括文章读物、辅导资源等用于提高与培养学生各方面能力的资源，并不是所有材料与信息都能够有效地面向各个年龄层、不同水平的学生个体。进而导致无法针对学生个体进行阅读材料的选择，使学生对课外阅读材料的接受度下降。
发明内容
本发明的目的在于克服现有技术的不足，提供一种可针对不同学生个体进行准确推荐的基于大数据进行阅读文章推荐的方法，以及基于大数据进行阅读文章推荐的系统。
本发明的技术方案如下：
一种基于大数据进行阅读文章推荐的方法，收集学生的历史阅读行为数据，并以历史阅读行为数据为样本，生成文章选择模型；采集目标学生的特征数据，通过文章选择模型对目标学生的特征数据进行识别，得到约束条件；根据约束条件从预设的文库或开放资源中搜索与约束条件匹配的文章，生成推荐。
作为优选，阅读行为数据包括学生进行阅读时的操作行为、表情特征。
作为优选，还采集学生阅读时的环境参数，将环境参数与阅读行为数据进行关联，并作为生成文章选择模型的样本。
作为优选，还采集学生的作业知识点信息、作业过程行为、日常活动行为数据，将作业知识点信息、作业过程行为、日常活动行为数据与阅读行为数据进行关联，并作为生成文章选择模型的样本。
作为优选，设置默认规则，以默认规则为基本约束条件，生成推荐前，先将与约束条件匹配的文章与默认规则进行匹配，判断是否符合默认规则，如果是，则生成推荐，如果否，则删除。
作为优选，设置默认规则，将默认规则和学生阅读行为、以及阅读行为对应的同阶段学生信息作为生成文章选择模型的样本，生成更优模型，通过更优模型对目标学生的特征数据进行识别，得到更优约束条件；根据更优约束条件从预设的文库或开放资源中搜索与约束条件匹配的文章，生成推荐。
作为优选，对不同学生的不同历史阅读行为数据划分不同类型，不同类型的历史阅读行为数据对应生成一个文章选择模型。
作为优选，汇总目标学生的特征数据，对目标学生生成推荐时，将目标学生的所有特征数据作为输入，寻找与目标学生匹配的文章选择模型。
作为优选，生成推荐后，根据选出的文章以及目标学生的特征数据，从预设的互动检测预案中选择与目标学生的特征数据匹配的互动检测预案，对目标学生的阅读结果进行互动检测；将检测结果作为样本，用于生成文章选择模型。
作为优选，文章选择模型在生成文章选择的约束条件后，根据选出的文章以及学生状态，生成互动检测方法，进行针对性检测学生的阅读效果。
作为优选，对目标学生进行互动检测时，检测对象包括当前推荐文章与历史推荐文章。
作为优选，由人工直接选择推荐文章，并对目标学生以当前推荐文章进行互动检测。
一种基于大数据进行阅读文章推荐的系统，包括阅读装置、模型学习模块、阅读行为记录模块，执行所述的基于大数据进行阅读文章推荐的方法；阅读装置与阅读行为记录模块连接，阅读装置用于文章显示，并且采集学生的阅读行为数据与目标学生的特征数据，阅读行为记录模块用于存储历史阅读行为数据与目标学生的特征数据；模型学习模块与阅读行为记录模块连接，用于生成文章选择模型，并从文库或开放资源中搜索推荐文章，推送至阅读装置。
作为优选，阅读装置还连接表情采集模块、环境采集模块，分别用于采集学生进行阅读时的表情特征、环境参数。
作为优选，模型学习模块还连接学生信息采集模块，用于采集学生的作业知识点信息、作业过程行为、日常行为数据。
作为优选，模型学习模块还连接默认规则输入模块，用于设置默认规则，默认规则与文章选择模型共同用于匹配文章。
作为优选，还包括互动检测模块，设置有预设的互动检测预案，用于对目标学生的阅读结果进行互动检测；将检测结果作为样本，用于生成文章选择模型。
作为优选，阅读装置还连接文章输入装置，用于人工直接向阅读装置推送文章。
本发明的有益效果如下：
本发明所述的基于大数据进行阅读文章推荐的方法与系统，基于大数据手段，根据海量学生的阅读行为数据，如阅读时的状态和行为特征、阅读后的状态和行为特征，生成文章选择模型，采集输入学生个体的特征数据，基于文章选择模型为学生个体针对性地推荐阅读材料。并通过关联学生阅读时的表情、环境因素等，进一步地，与学生的知识水平、作业完成情况关联，可得到外界因素、学生个体的学习情况对学生进行阅读的影响，同时也作为生成文章选择模型的样本，能够更精准地进行文章推荐。
本发明还提供推荐结果检测机制，基于当前推荐的文章，或者也可以包括历史推荐的文章，对学生的阅读结果进行检测，以检测结果对推荐精确程度进行反映，并且检测结果也作为生成文章选择模型的样本，使文章选择模型进行循环迭代，保证文章推荐的实时有效性，使文章选择模型能够随着采集的学生样本和数据的不断丰富而不断进行更新，从而得到更加精准更加具有针对性的文章。
附图说明
图1是本发明所述的系统的原理框图。
具体实施方式
以下结合附图及实施例对本发明进行进一步的详细说明。
本发明为了解决当前客观存在的信息爆炸带来的阅读不匹配，影响学生学习效率的不足，提供一种基于大数据进行阅读文章推荐的方法，以及一种基于大数据进行阅读文章推荐的系统，用于针对每个学生个体的特征数据，推荐与每个学生个体精准匹配的文章，以提高每个学生的阅读接受度。
本发明所述的基于大数据进行阅读文章推荐的方法，收集学生的历史阅读行为数据，根据海量学生阅读行为数据，并以历史阅读行为数据为样本，生成文章选择模型；采集目标学生的特征数据，通过文章选择模型对目标学生的特征数据进行识别，得到约束条件；根据约束条件从预设的文库或开放资源中搜索与约束条件匹配的文章，生成推荐，为学生个体针对性推荐阅读材料。实施时，可设置文库，存储预设的文章；也可以从开放的资源，如网络资源、期刊文献等进行自动搜索匹配，查找文章进行推荐。
为了实现所述的文章推荐方法，本发明还提供一种基于大数据进行阅读文章推荐的系统，用于执行基于大数据进行阅读文章推荐的方法。如图1所示，包括阅读装置、模型学习模块、阅读行为记录模块，执行所述的基于大数据进行阅读文章推荐的方法；阅读装置与阅读行为记录模块连接，阅读装置用于文章显示，并且采集学生的阅读行为数据与目标学生的特征数据，阅读行为记录模块用于存储历史阅读行为数据与目标学生的特征数据；模型学习模块与阅读行为记录模块连接，用于生成文章选择模型，并从文库或开放资源中搜索推荐文章，推送至阅读装置。
其中，阅读装置可以是运行在PC机上的软件或者专用手机或pad，阅读装置将学生阅读时的操作行为发送给阅读行为记录模块。
本发明中，阅读行为数据包括学生进行阅读时的操作行为(包括阅读时与阅读后的操作行为)、表情特征(用于反映学生的阅读状态，通过表情分析，可得到学生的情绪表现，并通过预设的识别模型进行识别判断)。为了更准确地进行文章推荐，本发明考虑了更多的外在因素，本发明还采集学生阅读时的环境参数，将环境参数与阅读行为数据进行关联，并作为生成文章选择模型的样本。
所述的系统中，阅读装置连接表情采集模块、环境采集模块，分别用于采集学生进行阅读时的表情特征、环境参数，并将这些信息发送给阅读行为记录模块。
对了同一篇文章的阅读结果，不同知识水平的学生存在不同的阅读授受度与认知水平，因而，为了针对不同知识水平的学生进行精准推荐，本发明还采集学生的作业知识点信息(例如对每个知识点的掌握情况，可通过题目进行考核)、作业过程行为数据(如与教师和同学的互动言行，可通过采集音视频进行识别)日常活动行为数据，模型学习模块还连接学生信息采集模块，用于采集学生的作业知识点信息、作业过程行为数据、日常活动行为数据，将作业知识点信息、作业过程行为数据、日常活动行为数据与阅读行为数据进行关联，并作为生成文章选择模型的样本，提交给模型学习模块。
本发明提供基本保障机制，通过设置默认规则，在最低限度上保障推荐的文章符合目标学生进行阅读。则模型学习模块还连接默认规则输入模块，用于设置默认规则，默认规则与文章选择模型共同用于匹配文章。即本发明还以默认规则为基本约束条件，生成推荐前，先将与约束条件匹配的文章与默认规则进行匹配，判断是否符合默认规则，如果是，则生成推荐，如果否，则删除。
为了提高整个推荐过程的执行效率，本发明还可以将默认规则也作为生成文章选择模型的样本，在筛选文章的过程即进行默认规则的匹配，节省执行步骤。设置默认规则，将默认规则和学生阅读行为、以及阅读行为对应的同阶段学生信息作为生成文章选择模型的样本，生成更优模型，通过更优模型对目标学生的特征数据进行识别，得到更优约束条件；根据更优约束条件从预设的文库或开放资源中搜索与约束条件匹配的文章，生成推荐。具体实施时，默认规则可由教师或其他专职人员进行人工输入。
考虑到每个学生在阅读包含不同生字、生词、语法结构的文章时对其行为的影响度，为了提高识别效率，并且具有更精准的识别效果，本发明对不同学生的不同历史阅读行为数据划分不同类型，不同类型的历史阅读行为数据对应生成一个文章选择模型。例如不同阅读喜好的学生，例如对文字更敏感的学生、对图像更敏感的学生、对数据更敏感的学生等，或者不同语种偏好的学生，都可能选用不同的文章推荐模型。
在存在多种不同类型的文章选择模型的基础上，需要先进行模型选择，则在平时的采集过程中，汇总目标学生的特征数据，对目标学生生成推荐时，将目标学生的所有特征数据作为输入，寻找与目标学生匹配的文章选择模型。
本发明提供结果反馈机构，通过对检测学生在阅读推荐文章时的状态，形成互动检测结果，一方面可以自动验证文章选择模型是否有效，另一方面可以将检测结果作为训练样本，用于更新文章选择模型，形成迭代更新效果。本发明所述的系统还包括互动检测模块，设置有预设的互动检测预案，用于对目标学生的阅读结果进行互动检测；将检测结果作为样本，用于生成文章选择模型。即本发明在推荐文章推送至阅读装置后，根据选出的文章以及目标学生的特征数据，在互动检测模块中从预设的互动检测预案中选择与目标学生的特征数据匹配的互动检测预案，对目标学生的阅读结果进行互动检测；将检测结果作为样本，用于生成文章选择模型。
互动检测的方法也可以由预设的预案生成模型，文章选择模型在生成文章选择的约束条件后，根据选出的文章以及学生状态，生成互动检测方法(可预设预案生成模型，根据选择的文章和学生状态自动生成互动检测的方法)，提交给互动检测模块，进行针对性检测学生的阅读效果。
交互检测不仅可以用于当前一次的验证(如用于验证当前模型是否有效)，也可以针对长期过程的验证(如用于验证模型的迭代更新机构是否有效，观察学生的阅读行为的变化趋势)，对目标学生进行互动检测时，检测对象包括当前推荐文章与历史推荐文章。
本发明中，阅读装置还连接文章输入装置，用于人工直接向阅读装置推送文章。则本发明还可以由人工直接选择推荐文章，如教师或者专职人员直接为学生推荐文章，并对目标学生以当前推荐文章进行互动检测。
上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。

Claims (18)

1.一种基于大数据进行阅读文章推荐的方法，其特征在于，收集学生的历史阅读行为数据，并以历史阅读行为数据为样本，生成文章选择模型；采集目标学生的特征数据，通过文章选择模型对目标学生的特征数据进行识别，得到约束条件；根据约束条件从预设的文库或开放资源中搜索与约束条件匹配的文章，生成推荐。
2.根据权利要求1所述的基于大数据进行阅读文章推荐的方法，其特征在于，阅读行为数据包括学生进行阅读时的操作行为、表情特征。
3.根据权利要求1所述的基于大数据进行阅读文章推荐的方法，其特征在于，还采集学生阅读时的环境参数，将环境参数与阅读行为数据进行关联，并作为生成文章选择模型的样本。
4.根据权利要求1至3任一项所述的基于大数据进行阅读文章推荐的方法，其特征在于，还采集学生的作业知识点信息、作业过程行为、日常活动行为数据，将作业知识点信息、作业过程行为、日常活动行为数据与阅读行为数据进行关联，并作为生成文章选择模型的样本。
5.根据权利要求1所述的基于大数据进行阅读文章推荐的方法，其特征在于，设置默认规则，以默认规则为基本约束条件，生成推荐前，先将与约束条件匹配的文章与默认规则进行匹配，判断是否符合默认规则，如果是，则生成推荐，如果否，则删除。
6.根据权利要求1所述的基于大数据进行阅读文章推荐的方法，其特征在于，设置默认规则，将默认规则和学生阅读行为、以及阅读行为对应的同阶段学生信息作为生成文章选择模型的样本，生成更优模型，通过更优模型对目标学生的特征数据进行识别，得到更优约束条件；根据更优约束条件从预设的文库或开放资源中搜索与约束条件匹配的文章，生成推荐。
7.根据权利要求1所述的基于大数据进行阅读文章推荐的方法，其特征在于，对不同学生的不同历史阅读行为数据划分不同类型，不同类型的历史阅读行为数据对应生成一个文章选择模型。
8.根据权利要求7所述的基于大数据进行阅读文章推荐的方法，其特征在于，汇总目标学生的特征数据，对目标学生生成推荐时，将目标学生的所有特征数据作为输入，寻找与目标学生匹配的文章选择模型。
9.根据权利要求1所述的基于大数据进行阅读文章推荐的方法，其特征在于，生成推荐后，根据选出的文章以及目标学生的特征数据，从预设的互动检测预案中选择与目标学生的特征数据匹配的互动检测预案，对目标学生的阅读结果进行互动检测；将检测结果作为样本，用于生成文章选择模型。
10.根据权利要求1所述的基于大数据进行阅读文章推荐的方法，其特征在于，文章选择模型在生成文章选择的约束条件后，根据选出的文章以及学生状态，生成互动检测方法，进行针对性检测学生的阅读效果。
11.根据权利要求9或10所述的基于大数据进行阅读文章推荐的方法，其特征在于，对目标学生进行互动检测时，检测对象包括当前推荐文章与历史推荐文章。
12.根据权利要求9或10所述的基于大数据进行阅读文章推荐的方法，其特征在于，由人工直接选择推荐文章，并对目标学生以当前推荐文章进行互动检测。
13.一种基于大数据进行阅读文章推荐的系统，其特征在于，包括阅读装置、模型学习模块、阅读行为记录模块，执行权利要求1至12任一项所述的基于大数据进行阅读文章推荐的方法；阅读装置与阅读行为记录模块连接，阅读装置用于文章显示，并且采集学生的阅读行为数据与目标学生的特征数据，阅读行为记录模块用于存储历史阅读行为数据与目标学生的特征数据；模型学习模块与阅读行为记录模块连接，用于生成文章选择模型，并从文库或开放资源中搜索推荐文章，推送至阅读装置。
14.根据权利要求13所述的基于大数据进行阅读文章推荐的系统，其特征在于，阅读装置还连接表情采集模块、环境采集模块，分别用于采集学生进行阅读时的表情特征、环境参数。
15.根据权利要求13所述的基于大数据进行阅读文章推荐的系统，其特征在于，模型学习模块还连接学生信息采集模块，用于采集学生的作业知识点信息、作业过程行为、日常行为数据。
16.根据权利要求13所述的基于大数据进行阅读文章推荐的系统，其特征在于，模型学习模块还连接默认规则输入模块，用于设置默认规则，默认规则与文章选择模型共同用于匹配文章。
17.根据权利要求13所述的基于大数据进行阅读文章推荐的系统，其特征在于，还包括互动检测模块，设置有预设的互动检测预案，用于对目标学生的阅读结果进行互动检测；将检测结果作为样本，用于生成文章选择模型。
18.根据权利要求13所述的基于大数据进行阅读文章推荐的系统，其特征在于，阅读装置还连接文章输入装置，用于人工直接向阅读装置推送文章。
CN201610846546.8A 2016-09-23 2016-09-23 一种基于大数据进行阅读文章推荐的方法与系统 Active CN106503050B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610846546.8A CN106503050B (zh) 2016-09-23 2016-09-23 一种基于大数据进行阅读文章推荐的方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610846546.8A CN106503050B (zh) 2016-09-23 2016-09-23 一种基于大数据进行阅读文章推荐的方法与系统

Publications (2)

Publication Number Publication Date
CN106503050A true CN106503050A (zh) 2017-03-15
CN106503050B CN106503050B (zh) 2021-04-16

Family

ID=58289967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610846546.8A Active CN106503050B (zh) 2016-09-23 2016-09-23 一种基于大数据进行阅读文章推荐的方法与系统

Country Status (1)

Country Link
CN (1) CN106503050B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108629716A (zh) * 2018-06-20 2018-10-09 大国创新智能科技(东莞)有限公司 基于大数据与人工智能的精准复习方法和教育机器人系统
CN110990702A (zh) * 2019-12-04 2020-04-10 北京智乐活科技有限公司 一种面向儿童自主阅读的推荐方法、客户端及服务器
CN116259199A (zh) * 2023-05-11 2023-06-13 南京汉卫教育科技有限公司 基于大数据语音交互的语言自主学习系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080120339A1 (en) * 2006-11-17 2008-05-22 Wei Guan Collaborative-filtering contextual model optimized for an objective function for recommending items
CN101916264A (zh) * 2010-07-30 2010-12-15 浙江大学 基于用户面部表情与目光分布检测的个性化网页推荐方法
CN103678620A (zh) * 2013-12-18 2014-03-26 国家电网公司 一种基于用户历史行为特征的知识文档推荐方法
CN104063427A (zh) * 2014-06-06 2014-09-24 北京搜狗科技发展有限公司 一种基于语义理解的表情输入方法和装置
CN104317959A (zh) * 2014-11-10 2015-01-28 北京字节跳动网络技术有限公司 基于社交平台的数据挖掘方法及装置
CN104575142A (zh) * 2015-01-29 2015-04-29 上海开放大学 体验式数字化多屏无缝跨媒体互动开放教学实验室
CN105117460A (zh) * 2015-08-21 2015-12-02 湖南亿谷科技发展股份有限公司 学习资源推荐方法和系统
CN105243087A (zh) * 2015-09-09 2016-01-13 浙江网新恒天软件有限公司 It资讯聚合阅读个性化推荐方法
CN105787068A (zh) * 2016-03-01 2016-07-20 上海交通大学 基于引用网络及用户熟练度分析的学术推荐方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080120339A1 (en) * 2006-11-17 2008-05-22 Wei Guan Collaborative-filtering contextual model optimized for an objective function for recommending items
CN101916264A (zh) * 2010-07-30 2010-12-15 浙江大学 基于用户面部表情与目光分布检测的个性化网页推荐方法
CN103678620A (zh) * 2013-12-18 2014-03-26 国家电网公司 一种基于用户历史行为特征的知识文档推荐方法
CN104063427A (zh) * 2014-06-06 2014-09-24 北京搜狗科技发展有限公司 一种基于语义理解的表情输入方法和装置
CN104317959A (zh) * 2014-11-10 2015-01-28 北京字节跳动网络技术有限公司 基于社交平台的数据挖掘方法及装置
CN104575142A (zh) * 2015-01-29 2015-04-29 上海开放大学 体验式数字化多屏无缝跨媒体互动开放教学实验室
CN105117460A (zh) * 2015-08-21 2015-12-02 湖南亿谷科技发展股份有限公司 学习资源推荐方法和系统
CN105243087A (zh) * 2015-09-09 2016-01-13 浙江网新恒天软件有限公司 It资讯聚合阅读个性化推荐方法
CN105787068A (zh) * 2016-03-01 2016-07-20 上海交通大学 基于引用网络及用户熟练度分析的学术推荐方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108629716A (zh) * 2018-06-20 2018-10-09 大国创新智能科技(东莞)有限公司 基于大数据与人工智能的精准复习方法和教育机器人系统
CN110990702A (zh) * 2019-12-04 2020-04-10 北京智乐活科技有限公司 一种面向儿童自主阅读的推荐方法、客户端及服务器
CN110990702B (zh) * 2019-12-04 2023-04-25 张家口智趣学科技有限公司 一种面向儿童自主阅读的推荐方法、客户端及服务器
CN116259199A (zh) * 2023-05-11 2023-06-13 南京汉卫教育科技有限公司 基于大数据语音交互的语言自主学习系统

Also Published As

Publication number Publication date
CN106503050B (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN109240901B (zh) 性能分析方法、性能分析装置、存储介质和电子设备
CN110533974B (zh) 一种智能组卷方法、系统和计算机可读存储介质
Singh et al. Student performance analysis using clustering algorithm
CN107291715A (zh) 简历评估方法和装置
Yan et al. Software quality assessment model: a systematic mapping study
CN110378206B (zh) 一种智能审图系统及方法
CN108804704A (zh) 一种用户深度画像方法及装置
CN110610193A (zh) 标注数据的处理方法及装置
CN106960017A (zh) 电子书分类及其训练方法、装置和设备
CN106445908A (zh) 文本识别方法和装置
Kong et al. Process improvement for traceability: A study of human fallibility
CN106503050A (zh) 一种基于大数据进行阅读文章推荐的方法与系统
Guruler et al. Modeling student performance in higher education using data mining
Sabou et al. Semantic Web and Human Computation: The status of an emerging field
CN101276358A (zh) 专利技术关联性分析方法
Huang et al. CPDScorer: Modeling and Evaluating Developer Programming Ability across Software Communities.
US10643489B2 (en) Constructed response scoring mechanism
Yankov et al. Models and tools for technology start-up companies success analysis
Ailenei Process mining tools: A comparative analysis
Natarajan et al. QUARNEWSS: a model for applying Six Sigma framework to achieve continuous quality and reliability improvement in new product development
Breuker et al. Performances of business processes and organizational routines: similar research problems, different research methods-a literature review
CN107729510B (zh) 信息交互方法、信息交互终端及存储介质
CN107430590A (zh) 数据比较
Li et al. Determinants Affecting Learner's Behaviour in Music Education Applying Information Technology.
Rashid et al. Software Cost and Effort Estimation: Current Approaches and Future Trends

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190924

Address after: Room 803-1, No. 371 Xingxing Road, Xiaoshan Economic and Technological Development Zone, Hangzhou, Zhejiang 310000

Applicant after: Yaoling Artificial Intelligence (Zhejiang) Co., Ltd.

Address before: 361000 Fujian city of Xiamen Province torch torch high tech Zone Park torch torch Road Plaza South Building No. 56-58 203-68

Applicant before: Xiamen city kakitsubata Technology Co. Ltd.

GR01 Patent grant
GR01 Patent grant