CN108268652A - 一种科普知识推荐系统及方法 - Google Patents
一种科普知识推荐系统及方法 Download PDFInfo
- Publication number
- CN108268652A CN108268652A CN201810081616.4A CN201810081616A CN108268652A CN 108268652 A CN108268652 A CN 108268652A CN 201810081616 A CN201810081616 A CN 201810081616A CN 108268652 A CN108268652 A CN 108268652A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- subsystem
- scoring
- data resource
- 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
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种科普知识推荐系统及方法,所述系统包括顺次通信连接的用户界面子系统、业务逻辑子系统和数据存储子系统;用户界面子系统用于直接与用户交互,收集用户资料,接受用户的各种操作请求,并将操作请求提交至业务逻辑子系统;业务逻辑子系统用于处理用户提交的各种操作请求,并将处理好的数据存储至数据存储子系统;数据存储子系统用于整个系统中所有数据的存储。本发明解决了目前互联网教育服务领域中,教育资源推荐内容实时性和有效性低,教学方式和内容单一,进行互联网学习时积极性不高的问题。
Description
技术领域
本发明属于用户推荐服务技术领域,具体涉及一种科普知识推荐系统及方法。
背景技术
互联网技术的快速发展、普及以及信息爆炸使得网络上的信息量越来越大,人们从网上获取真正对自己有用的信息花费的时间越来越多,同时,随着互联网用户的增加,用户的需求也越来越多样化,用户对个性化服务的需求越来越明显,用户的个性化需求和获取信息困难之间的矛盾越来越明显。而在目前的互联网教育服务领域中,多数情况下是以教育提供商直接向用户提供教育内容,这种直接向用户提供统一的教学内容的方式已经越来越不能满足用户个性化的需求,教育资源推荐内容实时性和有效性低,用户学习方式和类容单一,进行互联网教育学习的积极性不高。
发明内容
针对现有技术的上述不足,本发明提供的一种科普知识推荐系统及方法解决了目前互联网教育服务领域中,获取有用教育信息麻烦、教学方式和内容单一、进行互联网学习时积极性不高的问题。
为达到上述目的,本发明采用的技术方案为:一种科普知识推荐系统,包括顺次通信连接的用户界面子系统、业务逻辑子系统和数据存储子系统;
所述用户界面子系统用于直接与用户交互,收集用户资料,接受用户的各种操作请求,并将操作请求提交至业务逻辑子系统;所述业务逻辑子系统用于处理用户提交的各种操作请求,并将处理好的数据存储至数据存储子系统;所述数据存储子系统用于整个系统中所有数据的存储。
本发明的有益效果为:解决了目前互联网教育服务领域中,教育资源推荐内容实时性和有效性低,教学方式和内容单一、进行互联网学习时积极性不高的问题。
进一步地,所述用户界面子系统包括浏览器模块和网络服务器模块;所述浏览器模块用于给用户提供显式界面,输入操作请求、查看数据资源推荐结果;所述网络服务器模块用于在网络环境下为用户提供集中计算、信息发表及数据管理服务。
上述进一步方案的有益效果为,给用户提供便捷的操作界面,供用户浏览数据资源,满足用户个性化的操作需求。
进一步地,所述业务逻辑子系统包括EJB模块、Servlet模块、JSP模块、 JavaBean模块和推荐模块;所述EJB模块用于描述科普知识推荐系统中构建应用组件的标准;所述Servlet模块用于交互式地浏览和修改数据,生成浏览器器内容;所述JSP模块用于封装产生动态网页的处理逻辑;所述JavaBean模块用于构成Java语言写成的可重用组件;所述推荐模块用于处理用户界面子系统收集的进行评分后的数据资源,并生成最优数据资源的推荐结果。
上述进一步方案的有益效果为:业务逻辑子系统的各个模块之间的系统工作,提高了对用户提交的对数据资源评分信息处理的效率,提高了系统推荐数据资源的可靠性。
进一步地,所述数据存储系统包括数据库模块。
上述进一步方案的有益效果为:数据库模块存储系统中的所有数据资源,便于快速浏览相关信息。
另外,本发明提供的科普知识推荐方法,主要包括以下步骤:
S1、通过用户界面子系统收集用户的数据信息,并将数据信息存储在数据存储子系统中,所述数据信息包括基本个人信息,对各类学习资源和科普材料的评分信息;
S2、将评分信息提交至业务逻辑子系统,通过业务逻辑子系统对其进行处理,生成最优数据资源的推荐结果,并将其存储至数据存储子系统中;
S3、根据用户界面子系统接受到的用户的操作请求,调用数据存储子系统中存储的对应的最优数据资源的推荐结果供用户浏览,实现科普知识的最优推荐,并将用户对推荐数据资源的评分信息存储在数据存储子系统中。
本发明的有益效果为:通过推荐技术,分析不同用户的兴趣爱好信息,提供不同的教学内容,对各种形式的教育资源有良好的通用性,改善网络教育的服务质量,提高用户的学习积极性。
进一步地,所述步骤S2具体为:
S2-1、通过业务逻辑子系统将用户界面子系统收集到的评分信息进行归一化处理,形成评分向量。
S2-2、将科普知识推荐系统中数据资源采用聚类算法进行处理,形成不同的数据资源项目类。
S2-3、通过聚类算法对评分向量进行处理,由评分向量对项目类的隶属度得到隶属度矩阵。
S2-4、将评分向量和隶属度矩阵相乘,得到用户的数据资源项目类的评分矩阵。
S2-5、将数据资源项目类作为关联图的节点,任意两个节点之间的权值为同时对两个数据资源项目类有评分的用户数,通过随机游走算法对关联图进行处理,得到对数据资源项目类的推荐结果。
S2-6、将隶属度矩阵进行归一化处理,将某一数据资源对所有数据资源项目类的隶属度与该数据资源项目类的评分的乘积相加,得到该数据资源项目的评分。
S2-7、综合比较,得到数据资源项目类的推荐结果中评分最高的数据资源,生成最优数据资源的推荐结果。
上述进一步方案的有益效果为:融合了聚类算法和协同算法中的局域图模型的推荐算法,有效的克服了单一算法的不足,发挥各自的优点,同时聚类算法过程可以离线完成,不会增加系统负担,高了推荐效率。
进一步地,所述评分信息包括显式评分和隐式评分,所述显式评分为用户明确给出对数据资源的评分,所述隐式评分为当用户没有明确给出数据资源的评分时,系统根据用户的操作给出的评分。
上述进一步方案的有益效果为:通过评分体现不同数据资源的价值,隐性评分使业逻辑层对评分数据的处理后得出的推荐结果的可靠性更高。
附图说明
图1为科普知识推荐系统框图。
图2为科普知识推荐方法流程框图。
具体实施方式
下面对发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,本发明实施例公开了一种科普知识推荐系统,包括用户界面子系统、业务逻辑子系统和数据存储子系统,用户界面子系统包括浏览器和网络服务器;其中用户界面子系统用于实现与用户的交流互动功能,为统一显式用户界面,接受用户提供的各种操作请求,并将系统推荐的最优数据资源显式,供用户浏览;业务逻辑子系统用于处理用户提交的各种操作请求,处理用户提交的对各类数据资源项目的评分,生成最优数据资源推荐结果并将其存储在数据存储子系统中;数据存储子系统包括数据库模块,用于系统中所有数据和信息的存储,包括用户提交的各类操作请求和业务逻辑存储子系统中处理后的最优数据资源推荐的结果及一些其他的数据资源信息。
其中用户界面子系统包括浏览器模块和网络服务器模块,浏览器模块用于给用户提供显式界面,输入操作请求、查看数据资源推荐结果,网络服务器模块用于在网络环境下为用户提供集中计算、信息发表及数据管理服务;业务逻辑子系统包括包括EJB模块、Servlet模块、JSP模块、JavaBean模块和推荐模块,EJB模块用于描述科普知识推荐系统中构建应用组件的标准,Servlet模块用于交互式地浏览和修改数据,生成浏览器内容,JSP模块用于封装产生动态网页的处理逻辑,JavaBean模块用于构成Java语言写成的可重用组件,推荐模块用于处理用户界面子系统收集的进行评分后的数据资源,并产生最优数据资源的推荐结果。
本发明实施例还公开了一种科普知识推荐方法,包括以下步骤:
S1、用户界面子系统收集用户的数据信息,包括基本个人信息,对各类学习资源和科普材料的评分信息,并将数据信息存储在数据数据存储子系统的数据库中,其中评分信息分为显式评分和隐式评分,显式评分是用户明确给出资源的评价等级,共分为五级,用1到5的分数表示,分数越高表示评价越高,当用户没有明确给出对数据资源的评价等级时,系统根据用户的操作进行隐式评分,如果用户观看过或者点击过某一个资源,可以认定用户对该资源有一定的兴趣,默认对该资源打1分,无点击的资源打0分。
S2、用户界面子系统将统计的评分数据提交至业务逻辑子系统,业务逻辑子系统对其进行处理,生成最优数据资源的推荐结果,并将其存储至数据存储子系统中。
步骤S2具体包括以下步骤:
S2-1、避免用户评分标准不一造成的影响,首先对收集到的用户对数据资源的评分信息进行归一化处理,假设系统中共有m项资源,i个用户,归一化后用户ui的对所有m个资源的评分组成的评分向量[ri1,ri2,…,rim]变为[xi1,xi2,…,xim];其中评分信息包括显式评分和隐式评分。
S2-2、对科普知识推荐系统中的数据资源采用聚类算法处理,假设将系统中的所有数据资源划分为z类,分别为c1,c2,…,cz。
S2-3、通过聚类算法对归一化处理后的评分向量进行处理,假设聚类处理后后总共有q个类,分别为G1,G2,…,Gq,则i维用户评分向量中的m个数据资源可以被分别化入q个类中,则由评分向量对类的隶属度可得隶属度矩阵,隶属度矩阵中的每一的元素值为该评分向量对某一类的隶属度。
S2-4、将用户界面子系统收集的用户评分信息经归一化处理后的评分向量和隶属度矩阵相乘,所得结果即为用户对数据资源项目类项目类的评分矩阵;
S2-5、将数据资源项目类作为关联图的节点,任意两个节点之间的权值为同时对两个数据资源项目类有评分的用户数,在这个关联图上使用随机游走算法,得到对数据资源项目类的推荐结果。
S2-6、将隶属度矩阵归一化后,其元素值,即隶属度可以看成是某一数据资源对特定数据资源项目类的贡献度,将某一数据资源项目对所有数据资源类的隶属度与该数据资源项目类的评分乘积相加,所得结果及为对某一数据资源项目的评分。
S2-7、计算得出某一数据资源项目类的所有数据资源的评分,综合比较,得到数据资源项目类的推荐结果中的评分最高的数据资源,生成最优数据资源推荐结果,并将其存储在数据存储子系统中。
S3、根据用户界面子系统接受到的用户的操作请求,挑用数据存储子系统中存储的对应的最优数据资源的推荐结果供用户浏览,实现科普知识的最优推荐,将用户对推荐数据资源的评分信息存储在数据存储子系统中。
本发明解决了目前互联网教育服务领域中,教育资源推荐内容实时性和有效性低,教学方式和内容单一、进行互联网学习时积极性不高的问题。
Claims (7)
1.一种科普知识推荐系统,其特征在于,包括顺次通信连接的用户界面子系统、业务逻辑子系统和数据存储子系统;
所述用户界面子系统用于直接与用户交互,收集用户资料,接受用户的各种操作请求,并将操作请求提交至业务逻辑子系统;所述业务逻辑子系统用于处理用户提交的各种操作请求,并将处理好的数据存储至数据存储子系统;所述数据存储子系统用于整个系统中所有数据的存储。
2.根据权利要求1所述的科普知识推荐系统,其特征在于,所述用户界面子系统包括浏览器模块和网络服务器模块;
所述浏览器模块用于给用户提供显式界面,输入操作请求、查看数据资源推荐结果;所述网络服务器模块用于在网络环境下为用户提供集中计算、信息发表及数据管理服务。
3.根据权利要求1所述的科普知识推荐系统,其特征在于,所述业务逻辑子系统包括EJB模块、Servlet模块、JSP模块、JavaBean模块和推荐模块;所述EJB模块用于描述科普知识推荐系统中构建应用组件的标准;所述Servlet模块用于交互式地浏览和修改数据,生成浏览器器内容;所述JSP模块用于封装产生动态网页的处理逻辑;所述JavaBean模块用于构成Java语言写成的可重用组件;所述推荐模块用于处理用户界面子系统收集的进行评分后的数据资源,并生成最优数据资源的推荐结果。
4.根据权利要求1所述的科普知识推荐系统,其特征在于,所述数据存储系统包括数据库模块。
5.一种科普知识推荐方法,其特征在于,包括以下步骤:
S1、通过用户界面子系统收集用户的数据信息,并将数据信息存储在数据存储子系统中,所述数据信息包括基本个人信息,对各类学习资源和科普材料的评分信息;
S2、将评分信息提交至业务逻辑子系统,通过业务逻辑子系统对其进行处理,生成最优数据资源的推荐结果,并将其存储至数据存储子系统中;
S3、根据用户界面子系统接受到的用户的操作请求,调用数据存储子系统中存储的对应的最优数据资源的推荐结果供用户浏览,实现科普知识的最优推荐,并将用户对推荐数据资源的评分信息存储在数据存储子系统中。
6.根据权利要求5所述的科普知识推荐方法,其特征在于,所述步骤S2具体为:
S2-1、通过业务逻辑子系统将用户界面子系统收集到的评分信息进行归一化处理,形成评分向量;
S2-2、将科普知识推荐系统中数据资源采用聚类算法进行处理,形成不同的数据资源项目类;
S2-3、通过聚类算法对评分向量进行处理,由评分向量对项目类的隶属度得到隶属度矩阵;
S2-4、将评分向量和隶属度矩阵相乘,得到用户的数据资源项目类的评分矩阵;
S2-5、将数据资源项目类作为关联图的节点,任意两个节点之间的权值为同时对两个数据资源项目类有评分的用户数,通过随机游走算法对关联图进行处理,得到对数据资源项目类的推荐结果;
S2-6、将隶属度矩阵进行归一化处理,将某一数据资源对所有数据资源项目类的隶属度与该数据资源项目类的评分的乘积相加,得到该数据资源项目的评分。
S2-7、综合比较,得到数据资源项目类的推荐结果中评分最高的数据资源,生成最优数据资源的推荐结果。
7.根据权利要求6所述的科普知识推荐方法,其特征在于,所述评分信息包括显式评分和隐式评分,所述显式评分是为用户明确给出对数据资源的评分,所述隐式评分为当用户没有明确给出数据资源的评分时,系统根据用户的操作给出的评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081616.4A CN108268652B (zh) | 2018-01-29 | 2018-01-29 | 一种科普知识推荐系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810081616.4A CN108268652B (zh) | 2018-01-29 | 2018-01-29 | 一种科普知识推荐系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108268652A true CN108268652A (zh) | 2018-07-10 |
CN108268652B CN108268652B (zh) | 2021-05-11 |
Family
ID=62776885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810081616.4A Active CN108268652B (zh) | 2018-01-29 | 2018-01-29 | 一种科普知识推荐系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108268652B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116955832A (zh) * | 2023-09-19 | 2023-10-27 | 中科数创(北京)数字传媒有限公司 | 一种基于大数据的科普知识精准推送方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320375A (zh) * | 2008-07-04 | 2008-12-10 | 浙江大学 | 基于用户点击行为的数字图书搜索方法 |
CN101321190A (zh) * | 2008-07-04 | 2008-12-10 | 清华大学 | 一种异构网络中的推荐方法及推荐系统 |
US20120278298A9 (en) * | 2009-12-01 | 2012-11-01 | Rishab Aiyer Ghosh | System and method for query temporality analysis |
US8699939B2 (en) * | 2008-12-19 | 2014-04-15 | Xerox Corporation | System and method for recommending educational resources |
CN103778145A (zh) * | 2012-10-22 | 2014-05-07 | 中国移动通信集团广东有限公司 | 一种信息推荐方法和系统 |
CN103793549A (zh) * | 2013-11-04 | 2014-05-14 | 南京大学 | 采用模糊聚类与随机游走的计算机辅助乱针绣制作方法 |
CN104809127A (zh) * | 2014-01-26 | 2015-07-29 | 上海联影医疗科技有限公司 | 一种远程教育资源的推荐方法和装置 |
CN106202331A (zh) * | 2016-07-01 | 2016-12-07 | 中国传媒大学 | 分层次隐私保护的推荐系统及基于该推荐系统的作业方法 |
-
2018
- 2018-01-29 CN CN201810081616.4A patent/CN108268652B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320375A (zh) * | 2008-07-04 | 2008-12-10 | 浙江大学 | 基于用户点击行为的数字图书搜索方法 |
CN101321190A (zh) * | 2008-07-04 | 2008-12-10 | 清华大学 | 一种异构网络中的推荐方法及推荐系统 |
US8699939B2 (en) * | 2008-12-19 | 2014-04-15 | Xerox Corporation | System and method for recommending educational resources |
US20120278298A9 (en) * | 2009-12-01 | 2012-11-01 | Rishab Aiyer Ghosh | System and method for query temporality analysis |
CN103778145A (zh) * | 2012-10-22 | 2014-05-07 | 中国移动通信集团广东有限公司 | 一种信息推荐方法和系统 |
CN103793549A (zh) * | 2013-11-04 | 2014-05-14 | 南京大学 | 采用模糊聚类与随机游走的计算机辅助乱针绣制作方法 |
CN104809127A (zh) * | 2014-01-26 | 2015-07-29 | 上海联影医疗科技有限公司 | 一种远程教育资源的推荐方法和装置 |
CN106202331A (zh) * | 2016-07-01 | 2016-12-07 | 中国传媒大学 | 分层次隐私保护的推荐系统及基于该推荐系统的作业方法 |
Non-Patent Citations (1)
Title |
---|
王茜,王艳明: "一种改进的协同过滤推荐算法", 《研究与开发》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116955832A (zh) * | 2023-09-19 | 2023-10-27 | 中科数创(北京)数字传媒有限公司 | 一种基于大数据的科普知识精准推送方法及系统 |
CN116955832B (zh) * | 2023-09-19 | 2023-11-28 | 中科数创(北京)数字传媒有限公司 | 一种基于大数据的科普知识精准推送方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108268652B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guan et al. | Matrix factorization with rating completion: An enhanced SVD model for collaborative filtering recommender systems | |
Yang et al. | Friend or frenemy? Predicting signed ties in social networks | |
Tan et al. | The strategic implications of web technologies: A process model of how web technologies enhance organizational performance | |
CN110462604A (zh) | 基于设备使用关联互联网设备的数据处理系统和方法 | |
CN111160954B (zh) | 基于图卷积网络模型的面向群组对象的推荐方法 | |
CN106951471A (zh) | 一种基于svm的标签发展趋势预测模型的构建方法 | |
CN105117422A (zh) | 智能社交网络推荐系统 | |
Chen et al. | A trust-based recommendation method using network diffusion processes | |
CN106709767A (zh) | Ota酒店的个性化推荐方法及系统 | |
CN103577876B (zh) | 基于前馈神经网络的可信与不可信用户识别方法 | |
CN111177559B (zh) | 文旅服务推荐方法、装置、电子设备及存储介质 | |
CN107657034A (zh) | 一种社交信息增强的事件社交网络推荐算法 | |
CN109783738A (zh) | 一种基于多相似度的双极限学习机混合协同过滤推荐方法 | |
CN107545471A (zh) | 一种基于高斯混合的大数据智能推荐方法 | |
CN108664658A (zh) | 一种考虑用户偏好动态变化的协同过滤视频推荐方法 | |
Liang et al. | Courseware recommendation in e-learning system | |
Zeng et al. | Incentive mechanisms in federated learning and a game-theoretical approach | |
CN106372101A (zh) | 一种视频推荐方法和装置 | |
CN109543840A (zh) | 一种基于多维分类强化学习的动态推荐系统设计方法 | |
CN113326425B (zh) | 一种基于结构和语义注意力堆叠的会话推荐方法及系统 | |
Angskun et al. | A qualitative attraction ranking model for personalized recommendations | |
CN112016000B (zh) | 一种基于卷积协同过滤的电影组推荐方法及系统 | |
CN108268652A (zh) | 一种科普知识推荐系统及方法 | |
Zhou et al. | Online–offline integrated value innovation ecosystem: A lead user perspective | |
CN114048396B (zh) | 基于异构信息网络和深度学习的nqi服务推荐方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |