CN109241393A - 基于人工智能机器学习的学习内容推荐自动化系统 - Google Patents
基于人工智能机器学习的学习内容推荐自动化系统 Download PDFInfo
- Publication number
- CN109241393A CN109241393A CN201710680532.8A CN201710680532A CN109241393A CN 109241393 A CN109241393 A CN 109241393A CN 201710680532 A CN201710680532 A CN 201710680532A CN 109241393 A CN109241393 A CN 109241393A
- Authority
- CN
- China
- Prior art keywords
- learning content
- study
- learning
- data
- personnel
- 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
本发明涉及基于人工智能机器学习的学习内容推荐自动化系统。本发明涉及利用人工智能机器学习技法来向学习人员推荐适合的学习内容的自动化系统。本发明具有如下的效果。即,通过向学习人员自动推荐适合的学习内容,来提高学习内容的贴切性,并可提供根据学习人员定制化的课程。并且,可通过持续的反馈来提高推荐可靠性。
Description
技术领域
本发明涉及利用人工智能机器学习技法向学习人员推荐适合的学习内容的自动化系统。
背景技术
通常的学习内容提供服务为学习人员直接选择所需的学习内容的方式,学习人员基于所需的课程或费用、周围人的推荐等信息,在未接触实际学习内容的状态下进行选择。
但是,若实际接触通过如上所述的方式选择的学习内容,则满意度低于预期的情况多。
很多因素对选择学习内容的选择产生影响,若单纯从科目或费用等表面信息做出选择,则适合性降低的概率很高,即使受到实际接触相应学习内容的人员的推荐,在推荐学习内容的其他学习人员和本人的学习目的或学习时间、职业等不同的情况下,可能推荐与本人的学习目的或学习时间等不符的学习内容。
现有技术文献
专利文献
韩国公开专利第10-2017-0011933号(2017年02月02日)
发明内容
本发明要解决如下的问题。
即,本发明公开如下的基于人工智能机器学习的学习内容推荐自动化系统,即,通过自动推荐适合学习人员的学习内容来利用学习内容提高贴切性,提示根据学习人员定制化的课程。
并且,通过持续的反馈来提高推荐可靠性。
为了解决如上所述的问题,本发明提供如下的基于人工智能机器学习的学习内容推荐自动化系统,即,上述基于人工智能机器学习的学习内容推荐自动化系统包括:学习内容提供应用程序800,收集学习人员的个人数据和学习人员数据,向学习人员提供适合的学习内容;客户端400,将由学习内容提供应用程序800所收集的学习人员数据向媒介300传递,将机器学习服务器200所提供的学习内容向学习内容提供应用程序800传递;媒介300,用于存储学习内容,将从客户端400所接收的学习人员数据向机器学习服务器200传递;学习内容服务器100,从媒介300收集学习内容来进行标准化,变换为可进行流式传输的数据来向学习内容数据库110存储;以及机器学习服务器200,对从媒介300所接收的学习数据进行分析,从装载于学习内容服务器100的学习内容中提供适合特定学习人员的学习内容,上述机器学习服务器200包括:性能评价模块220,以日志数据为基础来计算性能评价指数;反馈模块230,利用在性能评价模块220所计算的性能评价指数来对与特定学习内容有关的学习人员进行群集化,将所群集化的学习人员的多重配置文件数据向媒介300传递;以及综合处理模块210,向客户端400提供利用从媒介300所接收的多重配置文件数据来在教育数据服务器100中进行匹配的学习内容,上述学习内容提供应用程序800包括:会员注册部10,接收学习人员的个人数据和配置文件数据来向学习内容服务器100传送;学习人员连接部40,接收学习人员的账号(ID)和密码来从媒介300获取相应的学习人员数据;学习内容推荐部20,将从学习人员连接部40获取的学习人员数据向客户端400传递,将机器学习服务器200所提供的学习内容向学习人员进行提示;以及学习内容提供部30,在学习人员从由学习内容推荐部20所提示的学习内容中选择特定学习内容的情况下,提供相应学习内容的内容。
本发明具有如下的效果。
即,可通过自动推荐适合学习人员的学习内容来利用学习内容提高贴切性,提示根据学习人员定制化的课程。
并且,可通过持续的反馈来提高推荐可靠性。
附图说明
图1为示出本发明的整体结构的框图。
图2为构成学习内容提供应用程序的会员注册部的个人数据输入部的例示画面。
图3为构成学习内容提供应用程序的会员注册部的配置文件数据输入部的例示画面。
图4为学习内容提供应用程序的学习内容推荐部的例示画面。
图5为学习内容提供应用程序的学习内容提供部的例示画面。
图6为示出本发明的整体结构和机器学习服务器的具体结构的框图。
附图标记的说明
1:人工智能服务器
100:教育数据服务器
110:学习内容数据库
200:机器学习服务器
210:综合处理模块
220:性能评价模块
230:反馈模块
300:媒介
310:学习人员数据库
400:客户端
2:应用程序服务器
800:学习内容提供应用程序
10:会员注册部
11:个人数据输入部
12:配置文件数据输入部
20:学习内容推荐部
30:学习内容提供部
31:日志数据收集部
32:品质评价部
40:学习人员连接部
具体实施方式
以下,基于附图对本发明的优选实施例进行说明。但是,本发明的权利范围应根据发明要求保护范围中的记载来掌握。并且,省略对混淆本发明要旨的公知技术的说明。
如图1所示,本发明的基于人工智能机器学习的学习内容推荐自动化系统包括教育数据服务器100、机器学习服务器200、媒介300、客户端400及学习内容提供应用程序800。
此时,教育数据服务器100、机器学习服务器200、媒介300及客户端400通过装载于人工智能服务器1来进行同步,学习内容提供应用程序800利用与此分离的应用程序服务器2。包括人工智能服务器1和应用程序服务器2在内的各结构要素利用网络相连接。
在本发明中提及的各数据如下。
个人数据为与包括学习人员的姓名、账号、密码在内的学习人员的个人资料有关的数据,为了区分多个学习人员而进行收集,还可包括电子邮箱等。
学习人员数据为与学习人员的学习倾向或学习偏好有关的数据,包括配置文件数据、日志数据、品质评价数据,存储于媒介300的学习人员数据库310。
日志数据为根据学习人员的学习内容使用履历进行收集的数据,可包括学习内容视频浏览履历、学习内容关联页面浏览履历、视频播放结束与否及反复再生次数等。
性能评价指数(F)利用机器学习技法来计算,基于学习人员的日志数据来进行计算。例如,当将学习人员利用向学习人员所推荐的学习内容的次数设为a、将学习人员未利用向学习人员所推荐的学习内容的次数设为b、将学习人员利用未向学习人员所推荐的学习内容的次数设为c、将学习人员未利用未向学习人员所推荐的学习内容的次数设为d时,性能评价指数F的计算方式如下。
F=(2×P×R)÷(P+R)
此时,P和R分别如下。
P=a÷(a+c),R=a÷(a+d)
配置文件数据为对包括学习时间、学习目的在内的学习人员的学习内容的选择起到影响的信息,所需的学习内容可根据性别、年龄、地区、就业与否、学习领域、职业等不同,因而也可包括性别、年龄、地区、就业与否、学习领域、职业等信息。
另一方面,多重配置文件数据为就特定学习内容收集上述性能评价指数高的学习人员的资料来进行群集化的数据。这将向后述的媒介300传递来在媒介300的学习人员数据库310持续更新。即,根据因使用人员所利用的学习内容的增加或使用人员增加而产生的日志数据的变化,多重配置文件数据也持续被反馈。
品质评价数据为对与学习人员评分的学习内容有关的评价进行数值化的数据。这也可通过机器学习技法来就特定学习内容收集品质评价数据的性能评价指数高的学习人员的资料来生成多重配置文件数据。
学习内容提供应用程序800为收集学习人员的个人数据和学习人员数据并向学习人员提供适合的学习内容的应用程序,包括会员注册部10、学习内容推荐部20、学习内容提供部30及学习人员连接部40。
会员注册部10为接收学习人员的个人数据和配置文件数据来向学习内容服务器100传送的部分,学习人员连接部40接收学习人员的账号和密码来从媒介300获取相应的学习人员数据。此时,图2中所示的会员注册部10包括接收个人数据的个人数据输入部11和图3中所示的接收配置文件数据的配置文件数据输入部12。
图4示出学习内容推荐部20,学习内容推荐部20为将从学习人员连接部40获取的学习人员数据向客户端400传递并将机器学习服务器200所提供的学习内容向学习人员进行提示的部分。对多个学习内容进行列表化来向学习人员提示,来可使学习人员选择学习内容。
如图5所示,在学习人员从由学习内容推荐部20所提示的学习内容中选择特定学习内容的情况下,学习内容提供部30提供相应学习内容的内容,可包括日志数据收集部31和品质评价部32。
日志数据收集部31为将与学习人员所利用的学习内容有关的履历向日志数据收集的部分,品质评价部32为通过对学习人员所利用的学习内容打数值化的评分来收集品质评价数据的部分。
客户端400将从学习内容提供应用程序800所收集的学习人员数据向媒介300传递,并将机器学习服务器200所提供的学习内容向学习内容提供应用程序800提供。
媒介300用于存储学习内容,将从客户端400所接收的学习人员数据向机器学习服务器200传递。包括用于存储如上所述的学习人员数据的学习人员数据库310。
教育数据服务器100从媒介300收集学习内容来进行标准化,变换为可进行流式传输的数据来向学习内容数据库110存储。学习内容的例可有学习内容视频。
机器学习服务器200对从媒介300接收的学习数据进行分析,从装载于学习内容服务器100的学习内容中提供适合特定学习人员的学习内容,如图6所示,包括综合处理模块210、性能评价模块220、反馈模块230。
性能评价模块220以日志数据为基础来计算性能评价指数,计算性能评价指数的方法与在之前内容中所进行的说明相同。
反馈模块230利用在性能评价模块220所计算的性能评价指数来对与特定学习内容有关的学习人员进行群集化,将所群集化的学习人员的多重配置文件数据向媒介300传递。
综合处理模块210向客户端400提供利用从媒介300所接收的多重配置文件数据来在教育数据服务器100中进行匹配的学习内容。即,在与学习人员的配置文件数据类似的多重配置文件数据中匹配性能评价指数高的学习内容。
如上所述的本发明并不限定于上述实施例及附图,在不超过本发明的技术思想的范围内,可对本发明进行各种替代、变形及变更,这对本发明所属技术领域的普通技术人员而言是明确无误的。
Claims (3)
1.一种基于人工智能机器学习的学习内容推荐自动化系统,其特征在于,包括:
学习内容提供应用程序(800),收集学习人员的个人数据和学习人员数据,向学习人员提供适合的学习内容;
客户端(400),将由学习内容提供应用程序(800)所收集的学习人员数据向媒介(300)传递,将机器学习服务器(200)所提供的学习内容向学习内容提供应用程序(800)传递;
媒介(300),用于存储学习内容,将从客户端(400)所接收的学习人员数据向机器学习服务器(200)传递;
学习内容服务器(100),从媒介(300)收集学习内容来进行标准化,变换为能够进行流式传输的数据来向学习内容数据库(110)存储;以及
机器学习服务器(200),对从媒介(300)所接收的学习数据进行分析,从装载于学习内容服务器(100)的学习内容中提供适合特定学习人员的学习内容。
2.根据权利要求1所述的基于人工智能机器学习的学习内容推荐自动化系统,其特征在于,上述机器学习服务器(200)包括:
性能评价模块(220),以日志数据为基础来计算性能评价指数;
反馈模块(230),利用在性能评价模块(220)所计算的性能评价指数来对与特定学习内容有关的学习人员进行群集化,将所群集化的学习人员的多重配置文件数据向媒介(300)传递;以及
综合处理模块(210),向客户端(400)提供利用从媒介(300)所接收的多重配置文件数据来在教育数据服务器(100)中进行匹配的学习内容。
3.根据权利要求1或2所述的基于人工智能机器学习的学习内容推荐自动化系统,其特征在于,上述学习内容提供应用程序(800)包括:
会员注册部(10),接收学习人员的个人数据和配置文件数据来向学习内容服务器(100)传送;
学习人员连接部(40),接收学习人员的账号和密码来从媒介(300)获取相应的学习人员数据;
学习内容推荐部(20),将从学习人员连接部(40)获取的学习人员数据向客户端(400)传递,将机器学习服务器(200)所提供的学习内容向学习人员进行提示;以及
学习内容提供部(30),在学习人员从由学习内容推荐部(20)所提示的学习内容中选择特定学习内容的情况下,提供相应学习内容的内容。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20170086523 | 2017-07-07 | ||
KR10-2017-0086523 | 2017-07-07 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109241393A true CN109241393A (zh) | 2019-01-18 |
Family
ID=65083716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710680532.8A Pending CN109241393A (zh) | 2017-07-07 | 2017-08-10 | 基于人工智能机器学习的学习内容推荐自动化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241393A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399891A (zh) * | 2013-07-22 | 2013-11-20 | 百度在线网络技术(北京)有限公司 | 网络内容自动推荐方法、装置和系统 |
CN103514162A (zh) * | 2012-06-15 | 2014-01-15 | 上海蓝卓教育信息科技有限公司 | 智能课件推荐系统 |
CN106021363A (zh) * | 2016-05-10 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 课程推荐方法和装置 |
US20160300144A1 (en) * | 2015-04-10 | 2016-10-13 | Tata Consultancy Services Limited | System and method for generating recommendations |
CN106528656A (zh) * | 2016-10-20 | 2017-03-22 | 杨瀛 | 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统 |
-
2017
- 2017-08-10 CN CN201710680532.8A patent/CN109241393A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514162A (zh) * | 2012-06-15 | 2014-01-15 | 上海蓝卓教育信息科技有限公司 | 智能课件推荐系统 |
CN103399891A (zh) * | 2013-07-22 | 2013-11-20 | 百度在线网络技术(北京)有限公司 | 网络内容自动推荐方法、装置和系统 |
US20160300144A1 (en) * | 2015-04-10 | 2016-10-13 | Tata Consultancy Services Limited | System and method for generating recommendations |
CN106021363A (zh) * | 2016-05-10 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 课程推荐方法和装置 |
CN106528656A (zh) * | 2016-10-20 | 2017-03-22 | 杨瀛 | 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dalipi et al. | MOOC dropout prediction using machine learning techniques: Review and research challenges | |
US20180082313A1 (en) | Systems and methods for prioritizing user reactions to content for response on a social-media platform | |
Gronlund et al. | Evaluating eyewitness identification procedures using receiver operating characteristic analysis | |
US20200037036A1 (en) | Profiling media characters | |
CN108874832B (zh) | 目标评论确定方法及装置 | |
CN107924401A (zh) | 基于视频标题的视频推荐 | |
Bright et al. | The life and death of political news: Measuring the impact of the audience agenda using online data | |
US11033216B2 (en) | Augmenting questionnaires | |
KR101679109B1 (ko) | 학습 가이드라인 제공 방법, 학습 가이드라인 제공 서버, 및 사용자 기기 | |
CN102426577A (zh) | 信息处理设备、信息处理系统、信息处理方法和程序 | |
CN111597446B (zh) | 基于人工智能的内容推送方法、装置、服务器和存储介质 | |
KR101612782B1 (ko) | 사용자 독서 관리 시스템 및 방법 | |
US20220058562A1 (en) | Dynamic and continous onboarding of service providers in an online expert marketplace | |
CN110473049A (zh) | 理财产品推荐方法、装置、设备及计算机可读存储介质 | |
CN113947131A (zh) | 模型训练方法、装置、设备及存储介质 | |
Agarwal et al. | A novel approach to big data veracity using crowdsourcing techniques and Bayesian predictors | |
CN110502639B (zh) | 基于问题贡献度的信息推荐方法、装置、及计算机设备 | |
CN109241393A (zh) | 基于人工智能机器学习的学习内容推荐自动化系统 | |
US20160180729A1 (en) | Creating and discovering learning content in a social learning system | |
CN112734142B (zh) | 基于深度学习的资源学习路径规划方法及装置 | |
KR102438104B1 (ko) | 맞춤형 학습 문제풀이 컨텐츠 제공 시스템, 방법 및 컴퓨터 프로그램 | |
Wang et al. | A Machine Learning-based Course Enrollment Recommender System. | |
US20160098766A1 (en) | Feedback collecting system | |
KR101228816B1 (ko) | 학습자의 학습스타일을 기반으로 한 학습컨텐츠 평가 제공 방법 및 시스템 | |
CN115659129B (zh) | 一种基于vark量表的问卷调查可信度分析方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190118 |
|
WD01 | Invention patent application deemed withdrawn after publication |