CN108492230A - 基于分布式架构的互联网服务资源推广的系统及方法 - Google Patents
基于分布式架构的互联网服务资源推广的系统及方法 Download PDFInfo
- Publication number
- CN108492230A CN108492230A CN201810296675.3A CN201810296675A CN108492230A CN 108492230 A CN108492230 A CN 108492230A CN 201810296675 A CN201810296675 A CN 201810296675A CN 108492230 A CN108492230 A CN 108492230A
- Authority
- CN
- China
- Prior art keywords
- course
- resource
- user
- database
- unit
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Abstract
本发明公开了一种基于分布式架构的互联网服务资源推广的系统及方法，该系统包含资源推荐模块、微服务架构模块及数据库，资源推荐模块用于获取用户热度最高的服务资源，资源推荐模块由热度计算单元、资源获取单元构成，微服务架构模块由用户请求拦截单元、数据源配置单元及资源展示单元构成。本发明的系统中，其微服务中设计组件并未捆绑在一起，因此具有松散的耦合，同时将推荐模块的数据库独立开来，由此更全面地降低与原系统的耦合性，有效的拆分应用，实现敏捷开发和部署，且在进行互联网服务资源推广时，可有效提升系统稳定性及资源推荐的拓展性，有效解决在用户录入信息较少时出现的“冷启动”现象。
Description
技术领域
本发明涉及利用机器学习方法推荐互联网资源技术领域，特别涉及基于分布式架构的互联网服务资源推广的系统及方法。
背景技术
传统的web开发方式是将所有的功能打包在一个WAR包里，再部署在一个J2EE容器(如Tomcat，JBoss，WebLogic)里，基本没有外部依赖(除了容器)，主要包含了DO/DAO，Service，UI等所有逻辑。这种方式一般被称为Monolithic Architecture(即单体式架构)，它有明显的缺点比如：
(1)开发效率低：所有的开发在一个项目改代码，递交代码相互等待，代码冲突不断；
(2)代码维护难：代码功能耦合在一起，新人不知道何从下手；
(3)部署不灵活：构建时间长，任何小修改必须重新构建整个项目，这个过程往往很长；
(4)稳定性不高：一个微不足道的小问题，可以导致整个应用不能使用；
(5)扩展性不够：无法满足高并发情况下的业务需求。
特别是在将其用于互联网服务资源推广时，由于其设计组件是捆绑在一起，且一般还与推荐模块及其数据库形成一整体，因此，在使用现有的单体式架构的互联网服务资源推广系统进行互联网服务资源推广时，存在着系统稳定性不高、资源推荐的拓展性较低、在用户录入信息较少时容易出现无推荐内容即“冷启动”现象。
发明内容
本发明的目的是克服上述背景技术中不足，提供基于分布式架构的互联网服务资源推广的系统及方法，在本发明的基于分布式架构的互联网服务资源推广的系统中，其微服务中设计组件并未捆绑在一起，因此具有松散的耦合，同时将推荐模块的数据库独立开来，由此更全面地降低与原系统的耦合性，有效的拆分应用，实现敏捷开发和部署，且在进行互联网服务资源推广时，可有效提升系统稳定性及资源推荐的拓展性，有效解决在用户录入信息较少时出现的“冷启动”现象。
为了达到上述的技术效果，本发明采取以下技术方案：
基于分布式架构的互联网服务资源推广的系统，用于对个性化网络教学平台的课程进行推荐，包含资源推荐模块、微服务架构模块及数据库，所述资源推荐模块分别与微服务架构模块及数据库相连，微服务架构模块与数据库相连；其中，
所述资源推荐模块用于获取用户热度最高的服务资源，资源推荐模块由热度计算单元、资源获取单元构成，所述热度计算单元用于获取用户对当前课程的评分，并将获取到的评分高于预设热度值的课程信息发送至资源获取单元，由资源获取单元将对应的课程资源保存至数据库；
所述微服务架构模块由用户请求拦截单元、数据源配置单元及资源展示单元构成，所述用户请求拦截单元用于获取用户发出的访问请求，并将获取的访问请求中包含的课程信息发送至数据源配置单元，数据源配置单元在数据库中获取与收到的课程信息相对应的课程资源，并将获取的课程资源发送至资源展示单元进行展示；
本发明的基于分布式架构的互联网服务资源推广的系统与个性化网络教学平台是既相互独立又有密切关联的关系，具体的，该基于分布式架构的互联网服务资源推广的系统是基于个性化网络教学平台，其主要利用个性化网络教学平台中用户对课程的评分分析出个性化推荐模块需要推荐的课程，从而完成课程的推荐，其主要采用分布服务方式来架构，使用微服务满足相关需求，将推荐模块的数据库独立设置，由此更全面地降低本系统与原系统的耦合性，有效的拆分应用，实现敏捷开发和部署的同时，可更加有针对性的为用户推荐相关课程，满足用户需求。
同时，本发明还公开了一种基于分布式架构的互联网服务资源推广方法，包含上述的基于分布式架构的互联网服务资源推广的系统，包含以下步骤：
S1.热度计算单元利用用户对课程的评分训练模型，并采用协同过滤算法计算哪些课程需要推荐，其中，需要推荐的课程中包含评分高于预设热度值的课程，具体的协同过滤算法是指分析用户兴趣，在用户群中找到指定用户的相似(兴趣)用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测；
S2.资源获取单元从个性化网络教学平台中获取经S1步骤计算得出的需要推荐的课程信息，并将对应的课程资源保存至数据库；
S3.用户请求拦截单元对用户通过浏览器发出的访问请求进行拦截并获取其中包含的课程信息；
S4.数据源配置单元根据步骤S3中获取的用户请求的课程信息在数据库中找到对应的课程资源；
S5.资源展示单元对步骤S4中获取的课程资源进行展示；
本发明的基于分布式架构的互联网服务资源推广方法中采用微服务架构使该系统能够独立部署和并行开发，微服务架构是指将该推荐模块组件化，与其他组件或者服务通过接口方式进行调用、交互，与现有技术相比，微服务中设计组件并未捆绑在一起，具有松散的耦合，同时本发明中将推荐模块的数据库独立开来，由此更全面地降低与原系统的耦合性，有效的拆分应用，实现敏捷开发和部署，使得系统在进行课程推广时具有更高的稳定性。
进一步地，所述步骤S1中，当评分高于预设热度值的课程的数量少于热度推荐阈值时，则需要推荐的课程中包含若干从数据库保存的前两千个课程资源中随机产生的课程。
进一步地，具有所述预设热度值的课程为评分为8分的课程，一般满分为10分时，评分为8分及以上的课程说明用户反馈较好，系统则选取这种反馈较好的课程进行推荐，从而更加方便用户的使用。
进一步地，所述步骤S1中采用的协同过滤算法具体为基于概率的矩阵分解的高斯线性模型PMF算法，其主要是以用户-项目评分矩阵为例，通过矩阵分解预测出评分矩阵中的缺失值，该预测值在矩阵中对应该用户对项目的评分，然后选取评分高对应的课程，存入数据库，从而当用户请求推荐结果时，返回数据库中的内容展示在页面。
进一步地，还包含步骤S6：将用户最终选取的课程对应的课程资源保存至数据库。
进一步地，若在所述步骤S3中未获取到用户请求的课程信息或获取的课程信息较少时，数据源配置单元则在数据库中获取用户选取最多的课程资源并在资源展示单元中进行展示。
本发明与现有技术相比，具有以下的有益效果：。
附图说明
图1是本发明的基于分布式架构的互联网服务资源推广的系统的结构示意图。
图2是本发明的基于分布式架构的互联网服务资源推广方法的示意图。
具体实施方式
下面结合本发明的实施例对本发明作进一步的阐述和说明。
实施例：
实施例一：
如图1所示，基于分布式架构的互联网服务资源推广的系统，用于对个性化网络教学平台的课程进行推荐，包含资源推荐模块、微服务架构模块及数据库，所述资源推荐模块分别与微服务架构模块及数据库相连，微服务架构模块与数据库相连；其中，
所述资源推荐模块用于获取用户热度最高的服务资源，其主要是利用用户对课程的评分训练模型，且该评分数据来源于原个性化网络教学系统中，资源推荐模块由热度计算单元、资源获取单元构成，所述热度计算单元用于获取用户对当前课程的评分，并将获取到的评分高于预设热度值的课程信息发送至资源获取单元，由资源获取单元将对应的课程资源保存至数据库。
所述微服务架构模块由用户请求拦截单元、数据源配置单元及资源展示单元构成，所述用户请求拦截单元用于获取用户发出的访问请求，并将获取的访问请求中包含的课程信息发送至数据源配置单元，数据源配置单元在数据库中获取与收到的课程信息相对应的课程资源，并将获取的课程资源发送至资源展示单元进行展示。
具体的，个性化网络教学平台包含若干个子系统：如课程学习、课程评分等，本实施例中的个性化网络教学平台中包含基本操作、课程选择、课程学习、课程测试、课程辅导、课程统计、教务管理及系统管理8个子系统，而本发明中的基于分布式架构的互联网服务资源推广的系统则主要针对课程选择来对用户在选课时进行相关课程的推荐。
其中，资源推荐模块的主要工作流程包含：
热度计算单元的推荐算法采用离线存入推荐结果的方式，每天凌晨四点开始推荐；其具体采用协同过滤算法PMF(Probabilistic Matrix Factorization)基于概率的矩阵分解的高斯线性模型，以用户-项目评分矩阵为例，矩阵分解就是预测出评分矩阵中的缺失值，该预测值在矩阵中对应该用户对项目的评分。选取评分高对应的课程，存入数据库，从而在用户请求推荐结果时，通过资源获取单元返回数据库中的内容。
具体的，在用户未登录或其没有推荐内容时，通过资源获取单元获取数据库中选课人数最多的课程向用户推荐，在获取的热度最高的课程较少的情况下，其具体推荐的课程内容从数据库前两千个数据中随机产生。
微服务架构模块的主要工作流程包含：
用户请求拦截单元在资源推荐模块调用前设置一个拦截器用于拦截浏览器请求，设置头信息为Access-Control-Allow-Origin:*，该设置允许所有域名的脚本访问该资源，然后数据源配置单元再进行多数据源的配置，如推荐模块数据库、个性化网络教学平台数据库，数据源配置单元将资源推荐模块所独有的推荐课程表抽取出来放在专门的数据库中，当需要用户、课程等基本表时，数据源配置单元在原个性化网络教学平台中的数据库中获取，资源展示单元再将数据源配置单元在数据库中获取的课程资源进行展示。
实施例二
如图2所示，一种基于分布式架构的互联网服务资源推广方法，包含上述的基于分布式架构的互联网服务资源推广的系统，包含以下步骤：
S1.热度计算单元利用用户对课程的评分训练模型，并采用协同过滤算法计算哪些课程需要推荐，其中，需要推荐的课程中包含评分高于预设热度值的课程，具体的协同过滤算法是指分析用户兴趣，在用户群中找到指定用户的相似(兴趣)用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测；
其中，所述步骤S1中采用的协同过滤算法具体为基于概率的矩阵分解的高斯线性模型PMF算法，其主要是以用户-项目评分矩阵为例，通过矩阵分解预测出评分矩阵中的缺失值，该预测值在矩阵中对应该用户对项目的评分，然后选取评分高对应的课程，存入数据库，从而当用户请求推荐结果时，返回数据库中的内容展示在页面。
S2.资源获取单元从个性化网络教学平台中获取经S1步骤计算得出的需要推荐的课程信息，并将对应的课程资源保存至数据库；
S3.用户请求拦截单元对用户通过浏览器发出的访问请求进行拦截并调用相关接口获取其中包含的推荐课程对象信息及课程信息；
S4.数据源配置单元根据步骤S3中获取的用户请求的课程信息在数据库中找到对应的课程资源及对应的推荐课程对象信息并返回至资源展示单元；
S5.资源展示单元对步骤S4中获取的课程资源进行展示；
S6：将用户最终选取的课程对应的课程资源保存至数据库。
其中，若在所述步骤S3中未获取到用户请求的课程信息或获取的课程信息较少时，数据源配置单元则在数据库中获取用户选取最多的课程资源并在资源展示单元中进行展示。
具体的，所述步骤S1中，当评分高于预设热度值的课程的数量少于热度推荐阈值时，则需要推荐的课程中包含若干从数据库保存的前两千个课程资源中随机产生的课程。
具体的，具有所述预设热度值的课程为评分为8分的课程，一般满分为10分时，评分为8分及以上的课程说明用户反馈较好，系统则选取这种反馈较好的课程进行推荐，从而更加方便用户的使用。
本发明的基于分布式架构的互联网服务资源推广方法中采用微服务架构使该系统能够独立部署和并行开发，微服务架构是指将该推荐模块组件化，与其他组件或者服务通过接口方式进行调用、交互，与现有技术相比，微服务中设计组件并未捆绑在一起，具有松散的耦合，同时本发明中将推荐模块的数据库独立开来，由此更全面地降低与原系统的耦合性，有效的拆分应用，实现敏捷开发和部署，使得系统在进行课程推广时具有更高的稳定性。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (7)
1.基于分布式架构的互联网服务资源推广的系统，用于对个性化网络教学平台的课程进行推荐，其特征在于，包含资源推荐模块、微服务架构模块及数据库，所述资源推荐模块分别与微服务架构模块及数据库相连，微服务架构模块与数据库相连；其中，
所述资源推荐模块用于获取用户热度最高的服务资源，资源推荐模块由热度计算单元、资源获取单元构成，所述热度计算单元用于获取用户对当前课程的评分，并将获取到的评分高于预设热度值的课程信息发送至资源获取单元，由资源获取单元将对应的课程资源保存至数据库；
所述微服务架构模块由用户请求拦截单元、数据源配置单元及资源展示单元构成，所述用户请求拦截单元用于获取用户发出的访问请求，并将获取的访问请求中包含的课程信息发送至数据源配置单元，数据源配置单元在数据库中获取与收到的课程信息相对应的课程资源，并将获取的课程资源发送至资源展示单元进行展示。
2.一种基于分布式架构的互联网服务资源推广方法，包含如权利要求1所述的基于分布式架构的互联网服务资源推广的系统，其特征在于，包含以下步骤：
S1.热度计算单元利用用户对课程的评分训练模型，并采用协同过滤算法计算哪些课程需要推荐，其中，需要推荐的课程中包含评分高于预设热度值的课程；
S2.资源获取单元从个性化网络教学平台中获取经S1步骤计算得出的需要推荐的课程信息，并将对应的课程资源保存至数据库；
S3.用户请求拦截单元对用户通过浏览器发出的访问请求进行拦截并获取其中包含的课程信息；
S4.数据源配置单元根据步骤S3中获取的用户请求的课程信息在数据库中找到对应的课程资源；
S5.资源展示单元对步骤S4中获取的课程资源进行展示。
3.根据权利要求2所述的一种基于分布式架构的互联网服务资源推广方法，其特征在于，所述步骤S1中，当评分高于预设热度值的课程的数量少于热度推荐阈值时，则需要推荐的课程中包含若干从数据库保存的前两千个课程资源中随机产生的课程。
4.根据权利要求2所述的一种基于分布式架构的互联网服务资源推广方法，其特征在于，具有所述预设热度值的课程为评分为8分的课程。
5.根据权利要求2所述的一种基于分布式架构的互联网服务资源推广方法，其特征在于，所述步骤S1中采用的协同过滤算法具体为基于概率的矩阵分解的高斯线性模型PMF算法。
6.根据权利要求2所述的一种基于分布式架构的互联网服务资源推广方法，其特征在于，还包含步骤S6：将用户最终选取的课程对应的课程资源保存至数据库。
7.根据权利要求6所述的一种基于分布式架构的互联网服务资源推广方法，其特征在于，若在所述步骤S3中未获取到用户请求的课程信息或获取的课程信息较少时，数据源配置单元则在数据库中获取用户选取最多的课程资源并在资源展示单元中进行展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810296675.3A CN108492230A (zh) | 2018-04-03 | 2018-04-03 | 基于分布式架构的互联网服务资源推广的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810296675.3A CN108492230A (zh) | 2018-04-03 | 2018-04-03 | 基于分布式架构的互联网服务资源推广的系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108492230A true CN108492230A (zh) | 2018-09-04 |
Family
ID=63318180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810296675.3A Pending CN108492230A (zh) | 2018-04-03 | 2018-04-03 | 基于分布式架构的互联网服务资源推广的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108492230A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110929163A (zh) * | 2019-12-09 | 2020-03-27 | 上海复深蓝软件股份有限公司 | 课程推荐方法、装置、计算机设备及存储介质 |
| CN111400602A (zh) * | 2020-03-20 | 2020-07-10 | 珠海读书郎网络教育有限公司 | 一种基于个性化推荐的在线学习系统和方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105577780A (zh) * | 2015-12-21 | 2016-05-11 | 武汉理工大学 | 一种基于微服务的高校教学云平台 |
| CN105718582A (zh) * | 2016-01-25 | 2016-06-29 | 重庆邮电大学 | 一种E-learning平台下学习资源个性化推荐系统及方法 |
| CN106156354A (zh) * | 2016-07-27 | 2016-11-23 | 淮海工学院 | 一种学习资源推荐系统 |
-
2018
- 2018-04-03 CN CN201810296675.3A patent/CN108492230A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105577780A (zh) * | 2015-12-21 | 2016-05-11 | 武汉理工大学 | 一种基于微服务的高校教学云平台 |
| CN105718582A (zh) * | 2016-01-25 | 2016-06-29 | 重庆邮电大学 | 一种E-learning平台下学习资源个性化推荐系统及方法 |
| CN106156354A (zh) * | 2016-07-27 | 2016-11-23 | 淮海工学院 | 一种学习资源推荐系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王善坤等: "基于响应式微服务的自主学习平台的设计与实现", 《微型电脑应用》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110929163A (zh) * | 2019-12-09 | 2020-03-27 | 上海复深蓝软件股份有限公司 | 课程推荐方法、装置、计算机设备及存储介质 |
| CN110929163B (zh) * | 2019-12-09 | 2020-10-02 | 上海复深蓝软件股份有限公司 | 课程推荐方法、装置、计算机设备及存储介质 |
| CN111400602A (zh) * | 2020-03-20 | 2020-07-10 | 珠海读书郎网络教育有限公司 | 一种基于个性化推荐的在线学习系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105095319B (zh) | 基于时间序列化的文档的标识、关联、搜索及展现的系统 | |
| CN105095320B (zh) | 基于关系叠加组合的文档的标识、关联、搜索及展现的系统 | |
| CN102073725B (zh) | 结构化数据的搜索方法和实现该搜索方法的搜索引擎系统 | |
| CN107133345A (zh) | 基于人工智能的交互方法和装置 | |
| US20150178265A1 (en) | Content Recommendation System using a Neural Network Language Model | |
| CN102156737B (zh) | 一种中文网页主题内容的提取方法 | |
| US20140136551A1 (en) | Method and Apparatus of Generating Update Parameters and Displaying Correlated Keywords | |
| CN104317839B (zh) | 生成报表模板的方法和装置 | |
| CN106815364A (zh) | 内容推送方法和装置 | |
| CN103258029B (zh) | 信息检索方法及系统 | |
| CN107679217A (zh) | 基于数据挖掘的关联内容提取方法和装置 | |
| CN106407371A (zh) | 用户的评论数据展现方法、系统、服务器和客户端 | |
| CN107092639A (zh) | 一种搜索引擎系统 | |
| CN108108491A (zh) | 一种多媒体数据的推荐方法及装置 | |
| CN109885772A (zh) | 基于知识图谱的教育内容个性化推荐系统 | |
| CN108108157A (zh) | 生成页面及提供页面信息的方法及装置 | |
| CN108985133A (zh) | 一种人脸图像的年龄预测方法及装置 | |
| Qiang et al. | Learning to generate posters of scientific papers by probabilistic graphical models | |
| CN103914487A (zh) | 文档的采集、标识及关联的系统 | |
| CN108492230A (zh) | 基于分布式架构的互联网服务资源推广的系统及方法 | |
| CN106776655A (zh) | Web应用系统的展示方法及装置 | |
| CN106202162B (zh) | 一种用于测试推荐房间数据列表的测试系统及方法 | |
| CN107733709A (zh) | 数据存储方法、装置及电子设备 | |
| CN106297452A (zh) | 移动教育平台系统 | |
| CN108959309A (zh) | 数据分析的方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180904 |