CN109615009B - 一种学习内容推荐方法及电子设备 - Google Patents
一种学习内容推荐方法及电子设备 Download PDFInfo
- Publication number
- CN109615009B CN109615009B CN201811514883.2A CN201811514883A CN109615009B CN 109615009 B CN109615009 B CN 109615009B CN 201811514883 A CN201811514883 A CN 201811514883A CN 109615009 B CN109615009 B CN 109615009B
- Authority
- CN
- China
- Prior art keywords
- learning
- user
- target
- content
- instruction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 18
- 230000000750 progressive effect Effects 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims description 36
- 230000000694 effects Effects 0.000 claims description 12
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明实施例涉及智能设备领域,公开了一种学习内容推荐方法及电子设备。该方法包括:接收用户的学习指令,获取学习指令对应的学习意图信息;将学习意图信息输入学习推荐模型,以获得学习计划,学习计划包括多个学习内容,每一个学习内容对应一个学习时间段,任意的相邻两个学习时间段对应的两个学习内容在学习进程上是递进关系;按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。实施本发明实施例,能够使得被推荐的学习内容满足用户的学习意图,改善用户体验。
Description
技术领域
本发明涉及智能设备领域,具体涉及一种学习内容推荐方法及电子设备。
背景技术
传统的学习内容推荐方法基本上都是基于对用户在电子设备(如家教机、学习机)上产生的大量行为数据进行分析的分析结果来向用户推荐学习内容的。但是,对于新购机的新用户而言,电子设备尚未记录新用户的大量行为数据,此时电子设备只能为新用户推荐一些默认的学习内容,这些默认的学习内容不容易满足用户的学习意图,降低用户体验。
发明内容
针对上述缺陷,本发明实施例公开了一种学习内容推荐方法及电子设备,能够使得被推荐的学习内容满足用户的学习意图,改善用户体验。
本发明实施例第一方面公开一种学习内容推荐方法,所述方法包括:
接收用户的学习指令,获取所述学习指令对应的学习意图信息;
将所述学习意图信息输入学习推荐模型,以获得学习计划,所述学习计划包括多个学习内容,每一个所述学习内容对应一个学习时间段,任意的相邻两个所述学习时间段对应的两个所述学习内容在学习进程上是递进关系;
按照每一个所述学习内容对应的所述学习时间段从前到后的顺序,依次将每一个所述学习内容推荐给所述用户。
作为一种可选的实施方式,在本发明实施例第一方面中,所述按照每一个所述学习内容对应的所述学习时间段从前到后的顺序,依次将每一个所述学习内容推荐给所述用户,包括:
按照每一个所述学习内容对应的所述学习时间段从前到后的顺序,从所述多个学习内容中确定出时序最前的学习内容为目标学习内容,所述目标学习内容对应的学习时间段为目标学习时间段;
将所述目标学习内容推荐给所述用户;
获取所述用户针对所述目标学习内容的学习时长;
判断所述学习时长是否达到所述目标学习时间段的时长;
如果所述学习时长达到所述目标学习时间段的时长,从所述多个学习内容中确定出时序与所述目标学习内容相邻的下一学习内容为新的目标学习内容,并执行所述将所述目标学习内容推荐给所述用户的步骤。
作为一种可选的实施方式,在本发明实施例第一方面中,所述方法还包括:
如果所述学习时长未达到所述目标学习时间段的时长,且接收到所述用户针对所述目标学习内容输入的学习完毕指令,输出测试题,所述测试题用于测试所述用户针对所述目标学习内容的学习效果;
以及,根据所述测试题的测试结果,为所述用户推荐所述多个学习内容中除所述目标学习内容外的任意一个所述学习内容。
作为一种可选的实施方式,在本发明实施例第一方面中,所述将所述学习意图信息输入学习推荐模型,以获得学习计划之前,所述方法还包括:
获取大量用户样本的多个学习意图信息样本,以及获取每一个所述学习意图信息样本对应的多个原始学习计划样本;
对每一个所述学习意图信息样本对应的多个原始学习计划样本进行聚合分析处理,获得所述学习意图信息样本对应的学习计划样本,以得到学习推荐模型。
作为一种可选的实施方式,在本发明实施例第一方面中,所述获取所述学习指令对应的学习意图信息之前,所述方法还包括:
获取大量用户样本的多个学习指令样本;
提取所述多个学习指令样本中每一个学习指令样本的特征信息,以及获取所述多个学习指令样本之间的关联关系;
根据所述特征信息与所述多个学习指令样本之间的关联关系,生成将所述多个学习指令样本进行聚类的学习意图聚类模型;
以及,所述获取所述学习指令对应的学习意图信息,包括:
利用所述学习意图聚类模型,对所述学习指令进行聚类,获得所述学习指令对应的学习意图信息。
本发明实施例第二方面公开一种电子设备,所述电子设备包括:
第一获取单元,用于接收用户的学习指令,获取所述学习指令对应的学习意图信息;
第二获取单元,用于将所述学习意图信息输入学习推荐模型,以获得学习计划,所述学习计划包括多个学习内容,每一个所述学习内容对应一个学习时间段,任意的相邻两个所述学习时间段对应的两个所述学习内容在学习进程上是递进关系;
推荐单元,用于按照每一个所述学习内容对应的所述学习时间段从前到后的顺序,依次将每一个所述学习内容推荐给所述用户。
作为一种可选的实施方式,在本发明实施例第二方面中,所述推荐单元包括:
确定子单元,用于按照每一个所述学习内容对应的所述学习时间段从前到后的顺序,从所述多个学习内容中确定出时序最前的学习内容为目标学习内容,所述目标学习内容对应的学习时间段为目标学习时间段;
推荐子单元,用于将所述目标学习内容推荐给所述用户;
第一获取子单元,用于获取所述用户针对所述目标学习内容的学习时长;
判断子单元,用于判断所述学习时长是否达到所述目标学习时间段的时长;
所述确定子单元,还用于在所述判断子单元判断出所述学习时长达到所述目标学习时间段的时长时,从所述多个学习内容中确定出时序与所述目标学习内容相邻的下一学习内容为新的目标学习内容,并触发所述推荐子单元将所述目标学习内容推荐给所述用户。
作为一种可选的实施方式,在本发明实施例第二方面中,所述推荐单元还包括:
测试子单元,用于在所述判断子单元判断出所述学习时长未达到所述目标学习时间段的时长,且接收到所述用户针对所述目标学习内容输入的学习完毕指令时,输出测试题,所述测试题用于测试所述用户针对所述目标学习内容的学习效果;
所述推荐子单元,还用于根据所述测试题的测试结果,为所述用户推荐所述多个学习内容中除所述目标学习内容外的任意一个所述学习内容。
作为一种可选的实施方式,在本发明实施例第二方面中,所述电子设备还包括:
第三获取单元,用于在所述第二获取单元将所述学习意图信息输入学习推荐模型以获得学习计划之前,获取大量用户样本的多个学习意图信息样本;以及,获取每一个所述学习意图信息样本对应的多个原始学习计划样本;
第一建模单元,用于对每一个所述学习意图信息样本对应的多个原始学习计划样本进行聚合分析处理,获得所述学习意图信息样本对应的学习计划样本,以得到学习推荐模型。
作为一种可选的实施方式,在本发明实施例第二方面中,所述电子设备还包括:
第四获取单元,用于在所述第一获取单元获取所述学习指令对应的学习意图信息之前,获取大量用户样本的多个学习指令样本;
第二建模单元,用于提取所述多个学习指令样本中每一个学习指令样本的特征信息,以及获取所述多个学习指令样本之间的关联关系;以及,根据所述特征信息与所述多个学习指令样本之间的关联关系,生成将所述多个学习指令样本进行聚类的学习意图聚类模型;
所述第一获取单元,具体用于接收用户的学习指令,利用所述学习意图聚类模型,对所述学习指令进行聚类,获得所述学习指令对应的学习意图信息。
本发明实施例第三方面公开一种电子设备,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明实施例第一方面公开的一种学习内容推荐方法。
本发明实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的一种学习内容推荐方法。
本发明实施例第五方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第六方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,通过接收用户的学习指令,获取学习指令对应的学习意图信息,并将该学习意图信息输入学习推荐模型,以获得学习计划,该学习计划包括多个学习内容,每一个学习内容对应一个学习时间段,任意的相邻两个学习时间段对应的两个学习内容在学习进程上是递进关系,继而按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户,可见,实施本发明实施例,能够使得被推荐的学习内容满足用户的学习意图,改善用户体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种学习内容推荐方法的流程示意图;
图2是本发明实施例公开的另一种学习内容推荐方法的流程示意图;
图3是本发明实施例公开的又一种学习内容推荐方法的流程示意图;
图4是本发明实施例公开的一种电子设备的结构示意图;
图5是本发明实施例公开的另一种电子设备的结构示意图;
图6是本发明实施例公开的又一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种学习内容推荐方法及电子设备,能够使得被推荐的学习内容满足用户的学习意图,改善用户体验,以下结合附图进行详细描述。
实施例一
请参阅图1,图1是本发明实施例公开的一种学习内容推荐方法的流程示意图。其中,本发明实施例所示的方法适用于家教机、学习机或平板电脑等电子设备。如图1所示,该学习内容推荐方法可以包括以下步骤:
101、电子设备接收用户的学习指令,获取学习指令对应的学习意图信息。
本发明实施例中,可选地,电子设备接收用户的学习指令的方式具体可以是识别用户的语音学习指令,也可以是接收用户输入的文本学习指令,也可以是接收用户针对学习界面的点击操作。其中,举例来说,学习指令的具体内容可以是“我要学习数学题了”、“我要学语文了”、“我要预习了”、“我要听写了”、“我要做英语练习”或“我要学习李白的代表作”等等。且根据学习指令的具体内容,即可获取其对应的学习意图信息,学习意图信息是某一带有意图的短语或词组,比如,“我要学习数学题了”的对应的学习意图信息为“学习数学题”。
102、电子设备将学习意图信息输入学习推荐模型,以获得学习计划,学习计划包括多个学习内容,每一个学习内容对应一个学习时间段,任意的相邻两个学习时间段对应的两个学习内容在学习进程上是递进关系。
本发明实施例中,学习内容可以是课文录音播放、课文段落阅读、生词听写、试题练习或学习功能点等等中的任一种,本发明不做具体限定。其中,举例来说,假设学习意图信息为“语文预习”,且输出学习计划的当前时刻为9点,那么学习计划可以如下表1所示,可以理解,学习计划中的第一个学习内容所对应的学习时间段的起始时刻为输出学习计划的当前时刻。
表1“语文预习”的学习计划
学习时间段 | 9:00~9:15 | 9:16~9:29 | 9:30~10:00 |
学习内容 | 课文朗读 | 课文生词标记 | 抄写生词 |
学习时间段 | 10:01~10:20 | 10:21~10:35 | 10:36~11:00 |
学习内容 | 生词造句 | 课文段落大意概括 | 课文中心思想归纳 |
103、电子设备按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。
其中,电子设备依次将每一个学习内容推荐给用户的方式可以是在用户学习完一个学习内容后,按照每一个学习内容对应的学习时间段从前到后的顺序,为用户推荐下一个学习内容。
作为一种可选的实施方式,执行步骤102之后,还可以执行以下步骤:
电子设备接收用户针对学习计划的第一个学习内容的起始时刻的修改指令;电子设备接收用户输入的目标起始时刻,将学习计划的第一个学习内容的起始时刻更新为目标起始时刻,并更新各个学习内容对应的学习时间段;电子设备在目标起始时刻之前的某一个预设时刻,输出用于提醒用户学习的提醒消息;电子设备在目标起始时刻按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。
实施该实施方式,能够灵活更改学习计划的开始学习时间,满足用户的个性化需求。
图1所描述的方法,通过接收用户的学习指令,获取学习指令对应的学习意图信息,并将该学习意图信息输入学习推荐模型,以获得学习计划,该学习计划包括多个学习内容,每一个学习内容对应一个学习时间段,任意的相邻两个学习时间段对应的两个学习内容在学习进程上是递进关系,继而按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。
可见,实施本发明实施例,能够使得被推荐的学习内容满足用户的学习意图,改善用户体验。
实施例二
请参阅图2,图2是本发明实施例公开的另一种学习内容推荐方法的流程示意图。如图2所示,该学习内容推荐方法可以包括以下步骤:
201~202。其中,步骤201~202与实施例一中所描述的步骤101~102相同,本发明实施例不再赘述。
203、电子设备按照每一个学习内容对应的学习时间段从前到后的顺序,从多个学习内容中确定出时序最前的学习内容为目标学习内容,目标学习内容对应的学习时间段为目标学习时间段。
204、电子设备将目标学习内容推荐给用户。
205、电子设备获取用户针对目标学习内容的学习时长。
206、电子设备判断学习时长是否达到目标学习时间段的时长。如果是,执行步骤207;反之,执行步骤209~210。
207、电子设备判断目标内容是否为学习计划所包括的多个学习内容中时序最后的学习内容。如果是,结束本流程;反之,执行步骤208。
208、电子设备从多个学习内容中确定出时序与目标学习内容相邻的下一学习内容为新的目标学习内容,并执行步骤204。
本发明实施例中,可以理解,学习计划所包括的学习内容的个数可能有限,那么当最后一次确定出来并推荐的目标学习内容为学习计划所包括的多个学习内容中时序最后的学习内容时,目标学习内容已经没有时序相邻的下一个学习内容了,则不再执行步骤208,并结束本流程。
作为一种可选的实施方式,电子设备将目标学习内容推荐给用户之后,还可以执行以下步骤:接收用户的提问指令,对提问指令的具体内容进行分词处理,得到关键词序列;从关键词序列中选择意图属性值满足预设意图属性阈值的关键词作为意图关键词;查询意图信息表,确定意图关键词对应的意图信息,意图信息为具有某种意图的短语或词语;从确定的意图信息中选择N个意图信息分别与意图关键词构成组合后,从提问数据库中检索该组合,获得该组合命中的多个提问;从多个提问中选择M个提问作为猜测性提问推荐给用户,所述N和M为正整数。
基于上述的实施方式,从多个提问中选择M个提问作为猜测性提问推荐给用户之后,还可以接收用户针对M个猜测性提问的选择操作,获得目标提问,以及将目标提问的答案和相关学习内容推荐给用户。
实施上述实施方式,能够对用户的提问指令进行分析,并且基于人机交互获得目标提问,可将目标提问的答案和相关学习内容推荐给用户,能够帮助用户更好地学习,以提高学习效率。
209、电子设备在接收到用户针对目标学习内容输入的学习完毕指令时,输出测试题,测试题用于测试用户针对目标学习内容的学习效果。
210、电子设备根据测试题的测试结果,为用户推荐多个学习内容中除目标学习内容外的任意一个学习内容。
其中,步骤210可以包括很多种情况:如果用户针对目标学习内容的学习效果良好,则可以为用户推荐学习计划中时序较后的学习内容;如果用户针对目标学习内容的学习效果不理想,则为用户推荐学习计划中时序较前的学习内容。其中,时序较前和时序较后可以根据与目标学习内容对应的目标学习时间段的比较结果来划分,时序在目标学习时间段之前的则为时序较前,时序在目标学习时间段之后的则为时序较后。举例来说,假设用户学习了某一个学习内容为“生词组词”所用的学习时长未到目标学习时间段的时长,且用户针对“生词组词”的学习效果良好,则跳过下一个学习内容“生词造句”,直接为用户推荐时序较后的“课文段落大意概括”学习内容。
图2所描述的方法,获得学习计划之后,按照每一个学习内容对应的学习时间段从前到后的顺序,从多个学习内容中确定出时序最前的学习内容为目标学习内容并推荐给用户,以及判断学习时长是否达到目标学习时间段的时长,如果达到且目标学习内容不是学习计划中最后的学习内容,确定下一学习内容为新的目标学习内容,并推荐给用户;如果未达到,则输出用于测试用户的学习效果的测试题,并根据测试结果,为用户推荐任意的学习内容。
可见,实施本发明实施例,能够按照时间顺序为用户推荐学习计划中的各个学习内容,以及监督用户学习的时长和学习效果,使得被推荐的学习内容满足用户的学习意图,改善用户体验。
除此之外,还能够对用户的提问指令进行分析,并且基于人机交互获得目标提问,可将目标提问的答案和相关学习内容推荐给用户,能够帮助用户更好地学习,以提高学习效率。
实施例三
请参阅图3,图3是本发明实施例公开的另一种学习内容推荐方法的流程示意图。如图3所示,该学习内容推荐方法可以包括以下步骤:
301、电子设备获取大量用户样本的多个学习指令样本。
302、电子设备提取多个学习指令样本中每一个学习指令样本的特征信息,以及获取多个学习指令样本之间的关联关系。
303、电子设备根据特征信息与多个学习指令样本之间的关联关系,生成将多个学习指令样本进行聚类的学习意图聚类模型。
304、电子设备接收用户的学习指令,利用学习意图聚类模型,对学习指令进行聚类,获得学习指令对应的学习意图信息。其中,执行步骤304之后,执行步骤307。
305、电子设备获取大量用户样本的多个学习意图信息样本,以及获取每一个学习意图信息样本对应的多个原始学习计划样本。
306、电子设备对每一个学习意图信息样本对应的多个原始学习计划样本进行聚合分析处理,获得学习意图信息样本对应的学习计划样本,以得到学习推荐模型。
作为一种可选的实施方式,执行步骤305中电子设备获取大量用户样本的多个学习意图信息样本之后,可以针对某一个学习意图信息样本,提取大量用户样本中每一个用户样本的特征信息,以及获取大量用户样本之间的关联关系,根据每一个用户样本的特征信息和大量用户样本之间的关联关系,生成将大量用户样本进行聚类的用户聚类模型。
实施该实施方式,能够对大量用户样本进行聚类,更加针对性地为聚类后的用户进行学习内容推荐,以提高用户满意度。
303、电子设备根据特征信息与多个学习指令样本之间的关联关系
307、电子设备将学习意图信息输入学习推荐模型,以获得学习计划,学习计划包括多个学习内容,每一个学习内容对应一个学习时间段,任意的相邻两个学习时间段对应的两个学习内容在学习进程上是递进关系。
308、电子设备按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。
图3所描述的方法,通过建立将多个学习指令样本进行聚类的学习意图聚类模型,以及建立学习推荐模型,因此,接收用户的学习指令后,可以利用学习意图聚类模型对学习指令进行聚类,获得学习指令对应的学习意图信息,再将学习意图信息输入学习推荐模型以获得学习计划,继而按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。
可见,实施本发明实施例,能够建立学习意图聚类模型,提高学习意图信息的准确性,从而使得被推荐的学习内容满足用户的学习意图,改善用户体验。
除此之外,还能够对大量用户样本进行聚类,更加针对性地为聚类后的用户进行学习内容推荐,以提高用户满意度。
实施例四
请参阅图4,图4是本发明实施例公开的一种电子设备的结构示意图。如图4所示,该电子设备可以包括:
第一获取单元401,用于接收用户的学习指令,获取学习指令对应的学习意图信息。
第二获取单元402,用于将学习意图信息输入学习推荐模型,以获得学习计划,学习计划包括多个学习内容,每一个学习内容对应一个学习时间段,任意的相邻两个学习时间段对应的两个学习内容在学习进程上是递进关系。
推荐单元403,用于按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。
作为一种可选的实施方式,图4所示的电子设备还可以包括以下未图示的单元:接收单元,用于在第二获取单元402将学习意图信息输入学习推荐模型以获得学习计划之后,接收用户针对学习计划的第一个学习内容的起始时刻的修改指令,以及接收用户输入的目标起始时刻;
更新单元,用于将学习计划的第一个学习内容的起始时刻更新为目标起始时刻,并更新各个学习内容对应的学习时间段;
提醒单元,用于在目标起始时刻之前的某一个预设时刻,输出用于提醒用户学习的提醒消息;
上述的推荐单元403,还用于在目标起始时刻按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。
实施该实施方式,能够灵活更改学习计划的开始学习时间,满足用户的个性化需求。
图4所示的电子设备,通过接收用户的学习指令,获取学习指令对应的学习意图信息,并将该学习意图信息输入学习推荐模型,以获得学习计划,该学习计划包括多个学习内容,每一个学习内容对应一个学习时间段,任意的相邻两个学习时间段对应的两个学习内容在学习进程上是递进关系,继而按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。
可见,实施本发明实施例,能够使得被推荐的学习内容满足用户的学习意图,改善用户体验。
除此之外,还能够灵活更改学习计划的开始学习时间,满足用户的个性化需求。
实施例五
请参阅图5,图5是本发明实施例公开的另一种电子设备的结构示意图。其中,图5所示的电子设备是由图4所示的电子设备进行优化得到的,与图4相比较,图5所示的电子设备还可以包括:
第三获取单元404,用于在第二获取单元402将学习意图信息输入学习推荐模型以获得学习计划之前,获取大量用户样本的多个学习意图信息样本。以及,获取每一个学习意图信息样本对应的多个原始学习计划样本。
第一建模单元405,用于对每一个学习意图信息样本对应的多个原始学习计划样本进行聚合分析处理,获得学习意图信息样本对应的学习计划样本,以得到学习推荐模型。
第四获取单元406,用于在第一获取单元401获取学习指令对应的学习意图信息之前,获取大量用户样本的多个学习指令样本。
第二建模单元407,用于提取多个学习指令样本中每一个学习指令样本的特征信息,以及获取多个学习指令样本之间的关联关系。以及,根据特征信息与多个学习指令样本之间的关联关系,生成将多个学习指令样本进行聚类的学习意图聚类模型。
上述的第一获取单元401,具体用于接收用户的学习指令,利用学习意图聚类模型,对学习指令进行聚类,获得学习指令对应的学习意图信息。
作为一种可选的实施方式,图5所示的电子设备中,上述的推荐单元403可以包括:
确定子单元4031,用于按照每一个学习内容对应的学习时间段从前到后的顺序,从多个学习内容中确定出时序最前的学习内容为目标学习内容,目标学习内容对应的学习时间段为目标学习时间段。
推荐子单元4032,用于将目标学习内容推荐给用户。
第一获取子单元4033,用于获取用户针对目标学习内容的学习时长。
判断子单元4034,用于判断学习时长是否达到目标学习时间段的时长。
上述的确定子单元4031,还用于在判断子单元4034判断出学习时长达到目标学习时间段的时长时,从多个学习内容中确定出时序与目标学习内容相邻的下一学习内容为新的目标学习内容,并触发推荐子单元4032将目标学习内容推荐给用户。
作为一种可选的实施方式,图5所示的电子设备中,上述的推荐单元403还可以包括:
测试子单元4035,用于在判断子单元4034判断出学习时长未达到目标学习时间段的时长,且接收到用户针对目标学习内容输入的学习完毕指令时,输出测试题,测试题用于测试用户针对目标学习内容的学习效果。
上述的推荐子单元4032,还用于根据测试题的测试结果,为用户推荐多个学习内容中除目标学习内容外的任意一个学习内容。
作为一种可选的实施方式,图5所示的电子设备中,上述的接收单元,还用于在推荐子单元4032将目标学习内容推荐给用户之后,接收用户的提问指令。
相应地,可选地,图5所示的电子设备还可以包括以下未图示的单元:
分析单元,用于对提问指令进行分析处理,获得M个猜测性提问推荐给用户,M为正整数;
相应地,上述的接收单元,还用于接收用户针对M个猜测性提问的选择操作,获得目标提问;上述的推荐单元403,还用于将目标提问的答案和相关学习内容推荐给用户。
基于上述的实施方式,上述的分析单元可以包括以下未图示的子单元:
分词子单元,用于对提问指令的具体内容进行分词处理,得到关键词序列;以及,从关键词序列中选择意图属性值满足预设意图属性阈值的关键词作为意图关键词;
查询子单元,用于查询意图信息表,确定意图关键词对应的意图信息,意图信息为具有某种意图的短语或词语;
组合子单元,用于从确定的意图信息中选择N个意图信息分别与意图关键词构成组合后,从提问数据库中检索该组合,获得该组合命中的多个提问,所述N为正整数;
选择子单元,用于从多个提问中选择M个提问作为猜测性提问推荐给用户。
实施上述实施方式,能够对用户的提问指令进行分析,并且基于人机交互获得目标提问,可将目标提问的答案和相关学习内容推荐给用户,能够帮助用户更好地学习,以提高学习效率。
作为一种可选的实施方式,图5所示的电子设备还可以包括未图示的第三建模单元,用于在第三获取单元404获取大量用户样本的多个学习意图信息样本之后,针对某一个学习意图信息样本,提取大量用户样本中每一个用户样本的特征信息,以及获取大量用户样本之间的关联关系,根据每一个用户样本的特征信息和大量用户样本之间的关联关系,生成将大量用户样本进行聚类的用户聚类模型。
实施该实施方式,能够对大量用户样本进行聚类,更加针对性地为聚类后的用户进行学习内容推荐,以提高用户满意度。
图5所示的电子设备,通过建立将多个学习指令样本进行聚类的学习意图聚类模型,以及建立学习推荐模型,因此,接收用户的学习指令后,可以利用学习意图聚类模型对学习指令进行聚类,获得学习指令对应的学习意图信息,再将学习意图信息输入学习推荐模型以获得学习计划,继而按照每一个学习内容对应的学习时间段从前到后的顺序,依次将每一个学习内容推荐给用户。
可见,实施本发明实施例,能够建立学习意图聚类模型,提高学习意图信息的准确性,还能够按照时间顺序为用户推荐学习计划中的各个学习内容,以及监督用户学习的时长和学习效果,从而使得被推荐的学习内容满足用户的学习意图,改善用户体验。
除此之外,能够对大量用户样本进行聚类,更加针对性地为聚类后的用户进行学习内容推荐,以提高用户满意度。
此外,还能够帮助用户更好地学习,以提高学习效率。
实施例六
请参阅图6,图6是本发明实施例公开的又一种电子设备的结构示意图。如图6所示,该电子设备可以包括:
存储有可执行程序代码的存储器601;
与存储器601耦合的处理器602;
其中,处理器602调用存储器601中存储的可执行程序代码,执行图1~图3任意一种学习内容推荐方法。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行图1~图3任意一种学习内容推荐方法。
本发明实施例还公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
本发明实施例还公开一种应用发布平台,其中,应用发布平台用于发布计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
在本发明的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物单元,即可位于一个地方,或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
在本发明所提供的实施例中,应理解,“与A对应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
本领域普通技术人员可以理解上述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种学习内容推荐方法及电子设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种学习内容推荐方法,其特征在于,所述方法包括:
接收用户的学习指令,获取所述学习指令对应的学习意图信息;
将所述学习意图信息输入学习推荐模型,以获得学习计划,所述学习计划包括多个学习内容,每一个所述学习内容对应一个学习时间段,任意的相邻两个所述学习时间段对应的两个所述学习内容在学习进程上是递进关系;
按照每一个所述学习内容对应的所述学习时间段从前到后的顺序,从所述多个学习内容中确定出时序最前的学习内容为目标学习内容,所述目标学习内容对应的学习时间段为目标学习时间段;
将所述目标学习内容推荐给所述用户;
获取所述用户针对所述目标学习内容的学习时长;
判断所述学习时长是否达到所述目标学习时间段的时长;
如果所述学习时长达到所述目标学习时间段的时长,从所述多个学习内容中确定出时序与所述目标学习内容相邻的下一学习内容为新的目标学习内容,并执行所述将所述目标学习内容推荐给所述用户的步骤;
所述将所述目标学习内容推荐给所述用户之后,所述方法还包括:
接收用户的提问指令,对提问指令的具体内容进行分词处理,得到关键词序列;从关键词序列中选择意图属性值满足预设意图属性阈值的关键词作为意图关键词;查询意图信息表,确定意图关键词对应的意图信息,意图信息为具有某种意图的短语或词语;从确定的意图信息中选择N个意图信息分别与意图关键词构成组合后,从提问数据库中检索该组合,获得该组合命中的多个提问;从多个提问中选择M个提问作为猜测性提问推荐给用户,所述N和M为正整数;接收用户针对M个猜测性提问的选择操作,获得目标提问,以及将目标提问的答案和相关学习内容推荐给用户。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
如果所述学习时长未达到所述目标学习时间段的时长,且接收到所述用户针对所述目标学习内容输入的学习完毕指令,输出测试题,所述测试题用于测试所述用户针对所述目标学习内容的学习效果;
以及,根据所述测试题的测试结果,为所述用户推荐所述多个学习内容中除所述目标学习内容外的任意一个所述学习内容。
3.根据权利要求2所述的方法,其特征在于,所述将所述学习意图信息输入学习推荐模型,以获得学习计划之前,所述方法还包括:
获取大量用户样本的多个学习意图信息样本,以及获取每一个所述学习意图信息样本对应的多个原始学习计划样本;
对每一个所述学习意图信息样本对应的多个原始学习计划样本进行聚合分析处理,获得所述学习意图信息样本对应的学习计划样本,以得到学习推荐模型。
4.根据权利要求1~3任一项所述的方法,其特征在于,所述获取所述学习指令对应的学习意图信息之前,所述方法还包括:
获取大量用户样本的多个学习指令样本;
提取所述多个学习指令样本中每一个学习指令样本的特征信息,以及获取所述多个学习指令样本之间的关联关系;
根据所述特征信息与所述多个学习指令样本之间的关联关系,生成将所述多个学习指令样本进行聚类的学习意图聚类模型;
以及,所述获取所述学习指令对应的学习意图信息,包括:
利用所述学习意图聚类模型,对所述学习指令进行聚类,获得所述学习指令对应的学习意图信息。
5.一种电子设备,其特征在于,所述电子设备包括:
第一获取单元,用于接收用户的学习指令,获取所述学习指令对应的学习意图信息;
第二获取单元,用于将所述学习意图信息输入学习推荐模型,以获得学习计划,所述学习计划包括多个学习内容,每一个所述学习内容对应一个学习时间段,任意的相邻两个所述学习时间段对应的两个所述学习内容在学习进程上是递进关系;
推荐单元,用于按照每一个所述学习内容对应的所述学习时间段从前到后的顺序,从所述多个学习内容中确定出时序最前的学习内容为目标学习内容,所述目标学习内容对应的学习时间段为目标学习时间段;将所述目标学习内容推荐给所述用户;获取所述用户针对所述目标学习内容的学习时长;判断所述学习时长是否达到所述目标学习时间段的时长;如果所述学习时长达到所述目标学习时间段的时长,从所述多个学习内容中确定出时序与所述目标学习内容相邻的下一学习内容为新的目标学习内容,并执行所述将所述目标学习内容推荐给所述用户;
所述将所述目标学习内容推荐给所述用户之后,所述电子设备还用于:
接收用户的提问指令,对提问指令的具体内容进行分词处理,得到关键词序列;从关键词序列中选择意图属性值满足预设意图属性阈值的关键词作为意图关键词;查询意图信息表,确定意图关键词对应的意图信息,意图信息为具有某种意图的短语或词语;从确定的意图信息中选择N个意图信息分别与意图关键词构成组合后,从提问数据库中检索该组合,获得该组合命中的多个提问;从多个提问中选择M个提问作为猜测性提问推荐给用户,所述N和M为正整数;接收用户针对M个猜测性提问的选择操作,获得目标提问,以及将目标提问的答案和相关学习内容推荐给用户。
6.根据权利要求5所述的电子设备,其特征在于,所述推荐单元还用于:
在判断出所述学习时长未达到所述目标学习时间段的时长,且接收到所述用户针对所述目标学习内容输入的学习完毕指令时,输出测试题,所述测试题用于测试所述用户针对所述目标学习内容的学习效果;
根据所述测试题的测试结果,为所述用户推荐所述多个学习内容中除所述目标学习内容外的任意一个所述学习内容。
7.根据权利要求6所述的电子设备,其特征在于,所述电子设备还包括:
第三获取单元,用于在所述第二获取单元将所述学习意图信息输入学习推荐模型以获得学习计划之前,获取大量用户样本的多个学习意图信息样本;以及,获取每一个所述学习意图信息样本对应的多个原始学习计划样本;
第一建模单元,用于对每一个所述学习意图信息样本对应的多个原始学习计划样本进行聚合分析处理,获得所述学习意图信息样本对应的学习计划样本,以得到学习推荐模型。
8.根据权利要求5~7任一项所述的电子设备,其特征在于,所述电子设备还包括:
第四获取单元,用于在所述第一获取单元获取所述学习指令对应的学习意图信息之前,获取大量用户样本的多个学习指令样本;
第二建模单元,用于提取所述多个学习指令样本中每一个学习指令样本的特征信息,以及获取所述多个学习指令样本之间的关联关系;以及,根据所述特征信息与所述多个学习指令样本之间的关联关系,生成将所述多个学习指令样本进行聚类的学习意图聚类模型;
所述第一获取单元,具体用于接收用户的学习指令,利用所述学习意图聚类模型,对所述学习指令进行聚类,获得所述学习指令对应的学习意图信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514883.2A CN109615009B (zh) | 2018-12-12 | 2018-12-12 | 一种学习内容推荐方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514883.2A CN109615009B (zh) | 2018-12-12 | 2018-12-12 | 一种学习内容推荐方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109615009A CN109615009A (zh) | 2019-04-12 |
CN109615009B true CN109615009B (zh) | 2021-03-12 |
Family
ID=66007850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811514883.2A Active CN109615009B (zh) | 2018-12-12 | 2018-12-12 | 一种学习内容推荐方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615009B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109585A (zh) * | 2019-05-09 | 2019-08-09 | 成都终身成长科技有限公司 | 学习内容的确定方法、装置、存储介质及电子设备 |
CN112352284B (zh) * | 2019-05-20 | 2024-02-09 | 赛尔帕有限公司 | 照护辅助系统及方法、照护辅助信息登记系统及方法 |
CN113726876A (zh) * | 2021-08-27 | 2021-11-30 | 维沃移动通信有限公司 | 学习内容的推送方法、装置、电子设备和可读存储介质 |
CN116934279B (zh) * | 2023-09-19 | 2023-12-15 | 北京小糖科技有限责任公司 | 基于舞蹈室的学习计划制定方法及其装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582101A (zh) * | 2008-05-15 | 2009-11-18 | 梁昌年 | 利用计算机系统为用户提供个性化学习的方法及其装置 |
CN103150454B (zh) * | 2013-03-27 | 2015-06-17 | 山东大学 | 基于样本推荐标注的动态机器学习建模方法 |
KR101641572B1 (ko) * | 2015-01-19 | 2016-07-21 | 주식회사 엔씨소프트 | 상황 및 선호도 기반 대화 스티커 순위 결정 방법 및 컴퓨터 프로그램 |
CN104809920A (zh) * | 2015-04-01 | 2015-07-29 | 广东小天才科技有限公司 | 一种个性化的学习方法和学习装置 |
CN104765842B (zh) * | 2015-04-15 | 2018-05-01 | 中山大学 | 一种最佳学习方案推送方法及系统 |
CN105427683A (zh) * | 2016-01-04 | 2016-03-23 | 广东小天才科技有限公司 | 一种视频顺序解锁的学习方法及系统 |
CN106205254A (zh) * | 2016-06-30 | 2016-12-07 | 苏州科大讯飞教育科技有限公司 | 引导式学习系统及方法 |
CN106997375B (zh) * | 2017-02-28 | 2020-08-18 | 浙江大学 | 基于深度学习的客服回复推荐方法 |
KR102070783B1 (ko) * | 2017-04-25 | 2020-01-29 | 엘지전자 주식회사 | 사용자가 수행한 코스 및 옵션의 패턴을 인공지능을 통해 학습하여 맞춤형 코스와 옵션을 추천하는 의류처리장치와 그 제어방법 및 상기 의류처리장치를 포함하는 온라인 시스템 |
CN108334891B (zh) * | 2017-12-15 | 2021-01-05 | 北京奇艺世纪科技有限公司 | 一种任务型意图分类方法及装置 |
CN108197191B (zh) * | 2017-12-27 | 2018-11-23 | 神思电子技术股份有限公司 | 一种多轮对话的场景意图中断方法 |
CN108364512A (zh) * | 2018-02-27 | 2018-08-03 | 清华大学 | 一种基于mooc的英语自适应学习系统 |
CN108874935B (zh) * | 2018-06-01 | 2021-03-30 | 广东小天才科技有限公司 | 一种基于语音搜索的复习内容推荐方法及电子设备 |
-
2018
- 2018-12-12 CN CN201811514883.2A patent/CN109615009B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109615009A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615009B (zh) | 一种学习内容推荐方法及电子设备 | |
US9582757B1 (en) | Scalable curation system | |
US10811006B2 (en) | Information processing method, information processing apparatus, and non-transitory recording medium | |
CN108108426B (zh) | 自然语言提问的理解方法、装置及电子设备 | |
CN110888990B (zh) | 文本推荐方法、装置、设备及介质 | |
US9898464B2 (en) | Information extraction supporting apparatus and method | |
CN108920450B (zh) | 一种基于电子设备的知识点复习方法及电子设备 | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
CN109451147B (zh) | 一种信息展示方法及装置 | |
CN109545185B (zh) | 交互系统评价方法、评价系统、服务器及计算机可读介质 | |
CN107967280B (zh) | 一种标签推荐歌曲的方法及系统 | |
CN101645065A (zh) | 确定需要加载的辅助词库的方法、装置及输入法系统 | |
CN109508441B (zh) | 通过自然语言实现数据统计分析的方法、装置及电子设备 | |
CN111737414A (zh) | 一种歌曲推荐方法及装置、服务器、存储介质 | |
CN108153875B (zh) | 语料处理方法、装置、智能音箱和存储介质 | |
CN108345694B (zh) | 一种基于主题数据库的文献检索方法及系统 | |
CN113297365A (zh) | 一种用户意向判定方法、装置、设备及存储介质 | |
CN108777804B (zh) | 媒体播放方法及装置 | |
JP2019040299A (ja) | 対話制御システム、プログラム、及び方法 | |
CN112507214B (zh) | 基于用户名的数据处理方法、装置、设备及介质 | |
WO2021057270A1 (zh) | 音频内容质量检测方法及装置 | |
CN113821731A (zh) | 信息推送方法、设备和介质 | |
CN109657049B (zh) | 一种基于大数据分析的作文训练方法及学习设备 | |
CN113971581A (zh) | 一种机器人的控制方法、装置、终端设备及存储介质 | |
CN109787784B (zh) | 群组推荐方法、装置、存储介质和计算机设备 |
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 |