CN111177413A - 学习资源推荐方法、装置和电子设备 - Google Patents
学习资源推荐方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111177413A CN111177413A CN201911394848.6A CN201911394848A CN111177413A CN 111177413 A CN111177413 A CN 111177413A CN 201911394848 A CN201911394848 A CN 201911394848A CN 111177413 A CN111177413 A CN 111177413A
- Authority
- CN
- China
- Prior art keywords
- learning
- information
- target user
- resource
- resources
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
本发明提供了一种资源推荐方法、装置和电子设备,获取至少一个目标用户的学习进度信息;根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,其中,所述教学知识图谱基于教学信息构建;基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源;向所述目标用户进行推荐所述目标学习资源。本发明能较准确预测目标用户需要学习的资源,从而减少了目标用户获得所需学习资源的难度,提升了目标用户学习的效率。
Description
技术领域
本发明涉及在线教育领域,具体而言,涉及一种学习资源推荐方法、装置和电子设备。
背景技术
在目标用户学习过程中,为让目标用户较好的规划学习路径,在线教育平台需要向目标用户推荐相应的学习资源,以让目标用户在特定的学习阶段学习到适合自己的学习资源,有效的提高目标用户的学习效率,更快的掌握需要掌握的知识点。
现有学习资源推荐大多是基于知识点拆分,根据预定的学习路径,给出目标用户的推荐的学习资源。这些推荐的学习资源往往不够准确,影响了目标用户的学习效率。
发明内容
为了解决上述问题,本发明实施例提供了一种学习资源推荐方法、装置和电子设备。
第一方面,本发明实施例提供了一种学习资源推荐方法,包括以下步骤:
获取至少一个目标用户的学习进度信息;
根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,其中,所述教学知识图谱基于教学信息构建;
基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源;
向所述目标用户进行推荐所述目标学习资源。
在一种可能的设计中,所述根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,包括:
根据所述学习进度信息,基于所述教学知识图谱中的第一关系信息以及第二关系信息,计算所述目标用户所对应的至少一个第一知识点,其中,所述第一关系信息为所述教学知识图谱中学习资源与知识点之间的关系信息,所述第二关系信息为所述教学知识图谱中课程与知识点之间的关系信息;
基于所述第一关系信息,确定所述第一知识点所对应的第一学习资源;
基于所述第一学习资源,确定所述备选学习资源。
在一种可能的设计中,所述根据所述学习进度信息,基于所述教学知识图谱中的第一关系信息以及第二关系信息,计算所述目标用户所对应的至少一个第一知识点,包括:
根据所述学习进度信息,确定所述目标用户的当前课程;
基于所述第二关系信息,计算所述当前课程对应的至少一个第二知识点;
根据所述目标用户的学习行为信息,确定所述目标用户对应的第一学习资源,所述第一学习资源为所述目标用户已学习过的学习资源;
基于所述第一关系信息,确定所述第一学习资源对应的至少一个第三知识点;
基于所述至少一个第二知识点以及所述至少一个第三知识点,确定所述至少一个第一知识点。
在一种可能的设计中,所述教学信息包含多个用户的用户基本信息、学习行为信息、课程信息、学习资源信息、知识点信息。
在一种可能的设计中,所述基于所述第一学习资源,确定所述备选学习资源,包括:
从所述第一学习资源中,过滤掉所述目标用户在预定时间段内已学习过的学习资源,得到所述备选学习资源。
在一种可能的设计中,所述基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源,包括:
基于推荐模型,对所述备选学习资源进行排序,其中,所述推荐模型由多个用户对学习资源的所述历史学习记录训练得到;
根据排序结果,确定所述目标学习资源。
在一种可能的设计中,所述推荐模型为GBDT/MF模型,其中,GBDT/MF模型基于正样本、负样本进行训练后得到,其中,所述正样本为用户对某个学习资源进行学习的历史学习记录,所述负样本为用户对某个学习资源未进行学习的历史学习记录。
第二方面,本发明实施例提供了一种学习资源推荐装置,包括:
获取单元,用于获取至少一个目标用户的学习进度信息;
第一确定单元,用于根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,其中,所述教学知识图谱基于教学信息构建;
第二确定单元,用于基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源;
推荐单元,用于向所述目标用户进行推荐所述目标学习资源。
第三方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项方法的步骤。
第四方面,本发明实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一项方法的步骤。
本发明提供的学习资源推荐方法、装置和电子设备,通过用户的学习进度信息、教学知识图谱,确定向用户推荐的学习资源。教学知识图谱中可以包含有用户对知识点掌握程度、用户对课程完成情况、用户的兴趣点等信息。因此,本发明可较准确预测用户有较大概率需要学习的资源,从而减少了用户获得所需学习资源的难度,提升了用户的学习效率。
附图说明
图1为可以应用本申请实施例的学习资源推荐方法或资源推荐装置的示例性系统架构100的示意图;
图2为本发明实施例提供的一种学习资源推荐方法的流程示意图;
图3为本发明实施例提供的一种获取教学知识图谱方法的流程示意图;
图4为本发明实施例提供的一种教学知识图谱抽象图的结构示意图;
图5为本发明实施例提供的一种学习资源推荐方法的系统结构示意图;
图6为本发明实施例提供的一种模型训练模块的流程示意图;
图7为本发明实施例提供的一种召回模块的流程示意图;
图8为本发明实施例提供的一种排序模块的流程示意图;
图9是本发明实施例提供的一种图像处理装置的结构示意图;
图10为本发明实施例所涉及的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请进行进一步的介绍。
在下述介绍中,术语“第一”、“第二”仅为用于描述的目的,而不能理解为指示或暗示相对重要性。下述介绍提供了本发明的多个实施例,不同实施例之间可以替换或者合并组合,因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而,如果一个实施例包含特征A、B、C,另一个实施例包含特征B、D,那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例,尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例,并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下,对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行,并且可以添加、省略或组合各种步骤。此外,可以将关于一些示例描述的特征组合到其他示例中。
图1示出了可以应用本申请实施例的图像处理方法或图像处理装置的示例性系统架构100的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103中的一种或多种,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
在线教育的参与者可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。
服务器105获取目标用户的学习进度信息;根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,其中,所述教学知识图谱基于教学信息构建;基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源;向所述目标用户进行推荐所述目标学习资源服务器105通过网络104向终端设备101、102、103发送推荐的学习资源列表。
参见图2,图2是本发明实施例提供的一种学习资源推荐方法的流程示意图,该流程示意图基于图1的网络架构,在本发明实施例中,所述方法包括:
S201、获取至少一个目标用户的学习进度信息。
本发明实施例涉及下列概念:知识点、学习资源、课程、上课教室、教师及目标用户等。在线教育系统可通过数据库或图以实体的形式存储并管理上述概念。
知识点是将目标用户需要学习的知识拆分成单个独立的最小单元,如:单个语法、某一单词的用法、某一数学公式的原理等。学员可通过学习资源学习相应的知识点。学习资源是可以是单词、句子、绘本读物、视频等。知识点与学习资源为多对多的关系,即同一个知识点可通过多个学习资源来学习,目标用户也可通过同一个学习资源学习到多个不同的知识点。课程是根据不同知识点之间的相关性及不同学科间的特点规划出的最小学习单元。进一步地,课程可带有顺序编号,以表示该课程的授课顺序。知识点与课程之间是多对多的关系,即同一个知识点可同时挂载到多个不同的课程中,目标用户也可通过同一课程学习到不同的知识点。学习资源与课程之间也是多对多的关系,即多个不同的课程都可包括同一个学习资源,同一课程又可包括多个不同的学习资源。上课教室为目标用户学习及教师授课的组织载体。上课教室与目标用户、教师、课程、上课时间、授课形式具有关联关系。
目标用户的学习进度信息可以包括目标用户目前学习到的知识点信息、目标用户目前学习到的学习资源信息、目标用户目前学习到的课程信息等。
S202、根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,其中,所述教学知识图谱基于教学信息构建。
所述教学信息可包含多个用户的用户基本信息、学习行为信息、课程信息、学习资源信息、知识点信息。教学知识图谱可通过查找并更新已有的教学知识图谱来获得,也可基于数据库中保存的数据来生成。
图3是本发明实施例提供的一种获取教学知识图谱方法的流程示意图,如图3所示,所述获取教学知识图谱包括:
S301、获取目标用户学习的相关信息,其中,所述相关信息包括知识点相关信息及目标用户行为相关信息。
知识点相关信息为与知识点有关的各种信息。知识点相关信息包括:课程结构信息、班级信息、上课教室信息、学习资源属性信息、知识点属性信息、学习资源-知识点关联信息、知识点-课程关联信息、学习资源-课程关联信息、上课教室-课程关联信息、上课教室-目标用户关联信息、上课教室-教师相关信息等。
目标用户的行为相关信息为目标用户在在线学习平台上学习的有关信息,包括:目标用户属性信息、目标用户课堂表现信息、目标用户学习资源信息、目标用户浏览课程信息、目标用户关注老师信息、目标用户课堂上的视频信息、目标用户课堂上的音频信息等。
S302、保存所述相关数据,生成抽象图。
相比通过数据库等形式存储数据,本发明实施例通过图的形式存储数据,图中的各节点分别对应了数据库中的不同实体,图中的节点可包括:目标用户、教师、学习资源、知识点、课程、上课教室等。图可方便进行各种不同操作,如:可通过图计算图中两节点之间是否有边,任一节点的出度及入度,从任一节点遍历其所关联的点。本发明实施例以图的形式存储数据,再对得到的抽象图进行操作,以得到相关的统计数据,更加灵活,也更加方便。
S303、基于所述抽象图,生成所述教学知识图谱。
教学知识图谱是将上述步骤S301和步骤S302中获取的较分散的数据,以目标用户为中心进行整合,便于后续推导出目标用户需要学习的学习资源的步骤。教学知识图谱可包括了如下两部分信息:知识点统计信息及目标用户行为统计信息。
知识点统计信息为对数据库中存储的数据进行统计分析,而得到的知识点相关的各种信息。知识点统计信息包括:课程结构信息、知识点挂载信息、学习资源-知识点关联信息等。
目标用户行为统计信息为目标用户在在线学习平台上学习的相关信息,如:目标用户表现信息、目标用户的兴趣信息等。上述目标用户表现信息包含有表征目标用户对知识点掌握情况的信息。具体地,上述目标用户表现信息可包含目标用户课堂学习的质量的等级信息、目标用户对知识点理解的等级信息等。上述等级可根据具体情况进行设置,如:好、较好、一般、差。
可通过多种方式确定上述等级信息,比如以下方式。
方式一、如按课程设置,目标用户学习的前后顺序应该为顺序编号为1的课程1、顺序编号为2的课程2及顺序编号为3的课程3,而某目标用户直接跳过课程1和课程2,完成了课程3的学习,则该目标用户对于课程1和课程2的上课表现信息中等级信息可设为差,用以标注上述两个课程所包含的知识点是该目标用户没有掌握的。
也可以根据目标用户的行为表现确定上述目标用户表现信息,如以下几种方式。
方式二、根据目标用户的课堂表现确定上述目标用户表现信息。如某英语课堂所上课程对应的知识点是“cat”的用法,而通过语音识别,目标用户在课堂上说“cat”的次数小于预定阀值,则可确定该目标用户对于该知识点的掌握程度为差。同样地,目标用户在课堂上说“cat”的次数大于预定阀值,则可确定该目标用户对于该知识点的掌握程度为好或较好。
方式三、根据目标用户的发音确定上述目标用户表现信息。如某英语课堂所上课程对应的知识点是“cat”的用法,而通过语音识别,获得目标用户在课堂上说“cat”的音频,通过与标准的“cat”音频进行比对,确定该目标用户对上述知识点的掌握情况。
方式四、根据目标用户的作业完成情况或目标用户的答题情况确定上述目标用户表现信息。如果目标用户的作业或目标用户的答题的完成情况较差,可认为该目标用户并未掌握作业或答题对应的知识点。
图4为本发明实施例提供的一种教学知识图谱抽象图的结构示意图。如图4所示,教学知识图谱抽象图中包括了目标用户、学习资源、知识点、课程、上课教室及各实体间的对应关系。其中,每门课程可带有顺序编号,实际教学中可根据情况前置或后续相关课程。
在一种可能的设计中,所述目标用户行为统计信息包括以下至少之一:
目标用户课前的学习行为信息、目标用户课中的学习行为信息及目标用户课后的学习行为信息。
目标用户课前的学习行为信息为目标用户通过学习资源自主学习的行为信息,如图4中所示,目标用户-学习->学习资源,学习资源-包含->知识点。目标用户课中的学习行为信息为目标用户通过课堂学习的行为信息,如图4中所示,目标用户-上课表现->上课教室,上课教室-使用->课程,课程-包含->知识点。目标用户课后的学习信息可包括目标用户对作业的完成情况记录。
通过在教学知识图谱中包含了目标用户课前学习行为记录信息、目标用户课中的学习行为信息及目标用户课后的学习行为信息,可以更全面准确地把握目标用户对知识点的实际掌握情况,从而推荐更符合目标用户实际需要的学习资源给目标用户。
可通过查找上述方式一中,目标用户未按预设课程顺序进行上课,而遗漏的课程所对应的知识点,为目标用户未掌握的知识点信息。也可通过查找以上述方式二及方式三种,根据目标用户的行为表现,确定的目标用户掌握情况较差的知识点为目标用户为掌握的知识点信息。
在一种可能的设计中,所述根据所述目标用户的学习进度信息、所述知识点统计信息及所述目标用户行为统计信息,确定目标用户未掌握的知识点信息包括:
根据所述目标用户的学习进度信息及所述知识点统计信息,确定目标用户应掌握的知识点信息;
根据所述目标用户的学习进度信息、所述知识点统计信息及所述目标用户行为统计信息,确定目标用户已掌握的知识点信息;
根据所述目标用户应掌握的知识点信息及所述目标用户已掌握的知识点信息,确定所述目标用户未掌握的知识点信息。
基于目标用户的学习进度信息,确定目标用户目前完成的课程,该课程包含的知识点及顺序编号在该课程之前的课程所包含的知识点,都是目标用户应掌握的知识点。
可通过目标用户行为统计信息,确定目标用户已掌握的知识点。如:可将该目标用户实际完成学习的课程所包含的知识点作为该目标用户已掌握的知识点信息。也可将目标用户掌握程度为好、较好和一般的知识点作为该目标用户已掌握的知识点信息。还可以仅将目标用户掌握程度为好和较好的知识点作为该目标用户已掌握的知识点信息。
通过从目标用户应掌握的知识点信息中过滤掉目标用户已掌握的知识点信息,即可得到当前目标用户未掌握的知识点信息。目标用户需要以较快速度学习这些未掌握的知识点信息,否则可能影响目标用户的后续学习。
在一种可能的设计中,上述步骤S202包括:
根据所述学习进度信息,基于所述教学知识图谱中的第一关系信息以及第二关系信息,计算所述目标用户所对应的至少一个第一知识点,其中,所述第一关系信息为所述教学知识图谱中学习资源与知识点之间的关系信息,所述第二关系信息为所述教学知识图谱中课程与知识点之间的关系信息;
基于所述第一关系信息,确定所述第一知识点所对应的第一学习资源;
基于所述第一学习资源,确定所述备选学习资源。
上述第一知识点为目标用户应掌握的知识点,通过对第一学习资源进行学习,可帮助用户掌握上述第一知识点。因此,系统将第一学习资源推荐给用户进行学习。
在一种可能的设计中,所述根据所述学习进度信息,基于所述教学知识图谱中的第一关系信息以及第二关系信息,计算所述目标用户所对应的至少一个第一知识点,包括:
根据所述学习进度信息,确定所述目标用户的当前课程;
基于所述第二关系信息,计算所述当前课程对应的至少一个第二知识点;
根据所述目标用户的学习行为信息,确定所述目标用户对应的第一学习资源,所述第一学习资源为所述目标用户已学习过的学习资源;
基于所述第一关系信息,确定所述第一学习资源对应的至少一个第三知识点;
基于所述至少一个第二知识点以及所述至少一个第三知识点,确定所述至少一个第一知识点。
第二知识点对应于用户当前课程,第二知识点为用户当前应掌握的知识点。上述第一学习资源为用户已学习过的学习资源,第三知识点为用户已学习过的知识点。通过第二知识点和第三知识点进行对比,就可得到用户应掌握但用户尚未学习过的知识点,并将该知识点对应的课程推荐给用户进行学习。
举例来说,第一课程对应第一知识点,第二课程对应第二知识点,第一课程是第二课程的基础,用户应该在掌握第一知识点的基础上在对第二知识点进行学习。但用户跳过了第一课程,直接进行了第二课程的学习。系统获取到用户的当前课程为第二课程,则此时用户应掌握的知识点为第一知识点和第二知识。系统通过用户的学习行为信息,确定用户没有进行第一课程的学习,从而将第一知识点作为用户应掌握但用户尚未学习过的知识点,并将该知识点对应的课程推荐给用户进行学习。
在一种可能的设计中,所述基于所述第一学习资源,确定所述备选学习资源,包括:
从所述第一学习资源中,过滤掉所述目标用户在预定时间段内已学习过的学习资源,得到所述备选学习资源。
上述技术方案中的预定时间段可根据实际情况进行设置,可以为8小时以内、一天以内、一周以内。目标用户在较短时间段内学习过的学习资源,可认为该目标用户已掌握了上述学习资源中包含的知识点,再次学习这类知识点对目标用户意义不大。因此,从第一学习资源中过滤掉目标用户短时间内已经学习过的过滤资源,有助于提高目标用户及时获得目标用户需要学习的学习资源,提高目标用户的查找效率。
S203、基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源。
可根据学习资源之间的关联关系、学习资源的重要程度、兴趣程度等,对学习资源进行排序,并将排序后的学习资源展示给目标用户。一般地,目标用户有较大概率学习的资源显示在目标用户有较小概率学习的资源前面。
在一种可能的设计中,步骤S203包括:
基于推荐模型,对所述备选学习资源进行排序,其中,所述推荐模型由多个用户对学习资源的所述历史学习记录训练得到;
根据排序结果,确定所述目标学习资源。
用户的历史学习记录可包括学习资源的统计数据、目标用户的属性信息、学习资源的属性信息等。其中,学习资源的统计数据可为学习资源历史学习次数和/或学习资源历史浏览次数。目标用户的属性信息可以为以下至少之一:年龄、所在地区、学习水平、购买力、性格、性别和兴趣点。学习资源的属性信息可包括:上线时间、时长、价格、科目、评分等。可将目标用户是否学习过该学习资源设置成标志位,以便于存储和计算。具体地,如果目标用户学习过该学习资源,则将该标志位设为1。如果目标用户没有学习过该学习资源,则将该标志位设为0。
通过用户的历史学习记录构造样本,可采用GBDT模型、LeNet模型或ResNet模型进行训练,直到模型准确度达到预定准确度为止。其中,GBDT/MF模型基于正样本、负样本进行训练后得到,其中,所述正样本为用户对某个学习资源进行学习的历史学习记录,所述负样本为用户对某个学习资源未进行学习的历史学习记录。模型的输出结果为目标用户对学习资源的兴趣倾向打分。上述模型即为本发明实施例提供的推荐模型。
上述推荐模型综合考虑了学习资源的历史统计数据、目标用户属性信息、学习资源属性信息及目标用户对学习资源的学习情况,可较准确地估计出目标用户对学习资源的兴趣程度。从而将打分较高的学习资源按顺序推荐给对应目标用户。
S204、向所述目标用户进行推荐所述目标学习资源。
本发明提供的学习资源推荐方法,综合考虑了目标用户的学习进度信息、基于教学信息构建的教学知识图谱,以确定向目标用户推荐的学习资源。教学知识图谱中可包含有目标用户对知识点掌握程度、目标用户对课程完成情况、目标用户的兴趣点、目标用户对知识点掌握程度、目标用户对课程完成情况等信息。因此,本发明能更准确预测目标用户有较大概率需要学习的资源,从而解决了现有技术中在线教学系统推荐给用户的学习资源不够准确,常常造成用户获取所需要的学习资源较困难的问题。
下面通过一个具体实施方案具体阐述本发明实现学习资源推荐的过程。图5为本发明实施例提供的一种学习资源推荐方法的系统结构示意图。系统结构示意图包括教学知识图谱构建、学习资源推荐两部分。其中,教学知识图谱构建包括知识抽取、知识存储和知识计算。学习资源推荐包括模型训练、召回和排序。
知识抽取模块:知识抽取主要是将与目标用户学习相关的各类数据按照一定的规则策略抽取至教学知识图谱中,总体按照先实体,再关系的顺序进行抽取。实体包括目标用户基本信息、课程结构信息、班级信息、上课教室信息、学习资源数据、知识点数据;关系包括目标用户在上课中的表现、学习资源包含的知识点、目标用户学习的学习资源(包括单词、句子、绘本读物、视频等)、上课教室挂载的课程等。
知识存储模块:知识存储是将上述过程中知识抽取的数据以图的形式进行保存,便于后续的计算以及推理。
图6为本发明实施例提供的一种模型训练模块的流程示意图。
模型训练模块:根据目标用户历史学习记录计算出目标用户对每一个学习资源的学习行为次数,以及学习时刻该资源的历史学习统计次数,并将该条样本记录label设置为1(表示目标用户点击进行学习),同样构造目标用户的跳过学习样本作为负样本,并将样本记录label设置为0。由于目标用户历史学习记录中学习的记录远大于主动点击跳过的记录,因此将label为1的正样本进行下采样使其与负样本比例相当,将构造出的样本记录采用GBDT模型进行训练。
图7为本发明实施例提供的一种召回模块的流程示意图。召回模块:召回模块主要是从全部的学习资源中筛选出适合指定目标用户学习的学习资源。召回模块包括以下步骤:获取目标用户当前上课学习进度信息、根据图谱中课程结构以及知识点挂载计算当前目标用户应该掌握的知识点、根据目标用户上课表现信息和学习资料包含实施带你情况技术目标用户掌握的知识点、计算出目标用户未掌握的知识点,计算出未掌握知识点对应的学习资源、过滤掉目标用户一定时间内学习过的学习资源、将学习资源输出至排序模块。
图8为本发明实施例提供的一种排序模块的流程示意图。排序模块包括以下步骤:输入召回模块的资源列表、获取学习资源属性并构造统计数据样本、根据样本以及训练的模型对样本进行打分、按照模型输出的分值大小进行排序、输出模块整理并推荐至学习。
输出模块:结合上述召回+排序推荐出来的学习资源与教学知识图谱中默认的学习资源结合进行输出,如果推荐出来的学习资源数量n大于业务上约定的数量N(比如20条),则输出排序之后的前N条学习资源至目标用户,如果推荐出来的学习资源数量n小于业务上约定的数量N,则从教学知识图谱中获取该目标用户对应学习进度所需要学习的学习资源前(N-n)条数据与推荐数据n拼接之后输出至目标用户。
上述图2~图8详细阐述了本申请实施例的学习资源推荐方法。
请参见图9,图9是本发明实施例提供的一种学习资源推荐装置的结构示意图,如图9所示,所示资源推荐装置包括:
获取单元901,用于获取至少一个目标用户的学习进度信息;
第一确定单元902,用于根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,其中,所述教学知识图谱基于教学信息构建;
第二确定单元903,用于基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源;
推荐单元904,用于向所述目标用户进行推荐所述目标学习资源。
在一种可能的设计中,所述第一确定单元902具体用于:
根据所述学习进度信息,基于所述教学知识图谱中的第一关系信息以及第二关系信息,计算所述目标用户所对应的至少一个第一知识点,其中,所述第一关系信息为所述教学知识图谱中学习资源与知识点之间的关系信息,所述第二关系信息为所述教学知识图谱中课程与知识点之间的关系信息;
基于所述第一关系信息,确定所述第一知识点所对应的第一学习资源;
基于所述第一学习资源,确定所述备选学习资源。
在一种可能的设计中,所述第一确定单元902具体用于:
根据所述学习进度信息,确定所述目标用户的当前课程;
基于所述第二关系信息,计算所述当前课程对应的至少一个第二知识点;
根据所述目标用户的学习行为信息,确定所述目标用户对应的第一学习资源,所述第一学习资源为所述目标用户已学习过的学习资源;
基于所述第一关系信息,确定所述第一学习资源对应的至少一个第三知识点;
基于所述至少一个第二知识点以及所述至少一个第三知识点,确定所述至少一个第一知识点。
在一种可能的设计中,所述教学信息包含多个用户的用户基本信息、学习行为信息、课程信息、学习资源信息、知识点信息。
在一种可能的设计中,所述第一确定单元902具体用于::
从所述第一学习资源中,过滤掉所述目标用户在预定时间段内已学习过的学习资源,得到所述备选学习资源。
在一种可能的设计中,所述第二确定单元903具体用于:
基于推荐模型,对所述备选学习资源进行排序,其中,所述推荐模型由多个用户对学习资源的所述历史学习记录训练得到;
根据排序结果,确定所述目标学习资源。
在一种可能的设计中,所述推荐模型为GBDT/MF模型,其中,GBDT/MF模型基于正样本、负样本进行训练后得到,其中,所述正样本为用户对某个学习资源进行学习的历史学习记录,所述负样本为用户对某个学习资源未进行学习的历史学习记录。
本领域的技术人员可以清楚地了解到本发明实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件,其中硬件例如可以是FPGA(Field-Programmable Gate Array,现场可编程门阵列)、IC(Integrated Circuit,集成电路)等。
本发明实施例的各处理单元和/或模块,可通过实现本发明实施例所述的功能的模拟电路而实现,也可以通过执行本发明实施例所述的功能的软件而实现。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述学习资源推荐方法的步骤。其中,计算机可读存储介质可以包括但不限于任何类型的盘,包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器IC),或适合于存储指令和/或数据的任何类型的媒介或设备。
参见图10,其示出了本发明实施例所涉及的一种电子设备的结构示意图,该电子设备可以用于实施上述实施例中提供的学习资源推荐方法。具体来讲:
存储器1020可用于存储软件程序以及模块,处理器1080通过运行存储在存储器1020的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器1020可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端设备的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器1020可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器1020还可以包括存储器控制器,以提供处理器1080和输入单元1030对存储器1020的访问。
输入单元1030可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元1030可包括触敏表面1031(例如:触摸屏、触摸板或触摸框)。触敏表面1031,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面1031上或在触敏表面1031附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面1031可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器1080,并能接收处理器1080发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面1031。
显示单元1040可用于显示由用户输入的信息或提供给用户的信息以及终端设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元1040可包括显示面板1041,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板1041。进一步的,触敏表面1031可覆盖显示面板1041,当触敏表面1031检测到在其上或附近的触摸操作后,传送给处理器1080以确定触摸事件的类型,随后处理器1080根据触摸事件的类型在显示面板1041上提供相应的视觉输出。虽然在图10中,触敏表面1031与显示面板1041是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面1031与显示面板1041集成而实现输入和输出功能。
处理器1080是终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分,通过运行或执行存储在存储器1020内的软件程序和/或模块,以及调用存储在存储器1020内的数据,执行终端设备的各种功能和处理数据,从而对终端设备进行整体监控。可选的,处理器1080可包括一个或多个处理核心;其中,处理器1080可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1080中。
具体在本实施例中,终端设备的显示单元是触摸屏显示器,终端设备还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行述一个或者一个以上程序包含实现上述学习资源推荐方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,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,也可以采用硬件加软件功能单元的形式实现。
以上介绍仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种学习资源推荐方法,其特征在于,所述方法包括:
获取至少一个目标用户的学习进度信息;
根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,其中,所述教学知识图谱基于教学信息构建;
基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源;
向所述目标用户进行推荐所述目标学习资源。
2.根据权利要求1所述的学习资源推荐方法,其特征在于,所述根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,包括:
根据所述学习进度信息,基于所述教学知识图谱中的第一关系信息以及第二关系信息,计算所述目标用户所对应的至少一个第一知识点,其中,所述第一关系信息为所述教学知识图谱中学习资源与知识点之间的关系信息,所述第二关系信息为所述教学知识图谱中课程与知识点之间的关系信息;
基于所述第一关系信息,确定所述第一知识点所对应的第一学习资源;
基于所述第一学习资源,确定所述备选学习资源。
3.根据权利要求2所述的学习资源推荐方法,其特征在于,
所述根据所述学习进度信息,基于所述教学知识图谱中的第一关系信息以及第二关系信息,计算所述目标用户所对应的至少一个第一知识点,包括:
根据所述学习进度信息,确定所述目标用户的当前课程;
基于所述第二关系信息,计算所述当前课程对应的至少一个第二知识点;
根据所述目标用户的学习行为信息,确定所述目标用户对应的第一学习资源,所述第一学习资源为所述目标用户已学习过的学习资源;
基于所述第一关系信息,确定所述第一学习资源对应的至少一个第三知识点;
基于所述至少一个第二知识点以及所述至少一个第三知识点,确定所述至少一个第一知识点。
4.根据权利要求2所述的学习资源推荐方法,其特征在于,
所述基于所述第一学习资源,确定所述备选学习资源,包括:
从所述第一学习资源中,过滤掉所述目标用户在预定时间段内已学习过的学习资源,得到所述备选学习资源。
5.根据权利要求1所述的学习资源推荐方法,其特征在于,所述教学信息包含多个用户的用户基本信息、学习行为信息、课程信息、学习资源信息、知识点信息。
6.根据权利要求1所述的学习资源推荐方法,其特征在于,所述基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源,包括:
基于推荐模型,对所述备选学习资源进行排序,其中,所述推荐模型由多个用户对学习资源的所述历史学习记录训练得到;
根据排序结果,确定所述目标学习资源。
7.根据权利要求6所述的学习资源推荐方法,其特征在于,所述推荐模型为GBDT/MF模型,其中,GBDT/MF模型基于正样本、负样本进行训练后得到,其中,所述正样本为用户对某个学习资源进行学习的历史学习记录,所述负样本为用户对某个学习资源未进行学习的历史学习记录。
8.一种学习资源推荐装置,其特征在于,包括:
获取单元,用于获取至少一个目标用户的学习进度信息;
第一确定单元,用于根据所述学习进度信息,通过教学知识图谱进行计算,确定至少一个备选学习资源,其中,所述教学知识图谱基于教学信息构建;
第二确定单元,用于基于历史学习记录,从所述备选学习资源中确定至少一个目标学习资源;
推荐单元,用于向所述目标用户进行推荐所述目标学习资源。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现所述权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现所述权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911394848.6A CN111177413A (zh) | 2019-12-30 | 2019-12-30 | 学习资源推荐方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911394848.6A CN111177413A (zh) | 2019-12-30 | 2019-12-30 | 学习资源推荐方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111177413A true CN111177413A (zh) | 2020-05-19 |
Family
ID=70654294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911394848.6A Pending CN111177413A (zh) | 2019-12-30 | 2019-12-30 | 学习资源推荐方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177413A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723855A (zh) * | 2020-06-09 | 2020-09-29 | 广东小天才科技有限公司 | 一种学习知识点的显示方法、终端设备及存储介质 |
CN111913995A (zh) * | 2020-07-08 | 2020-11-10 | 广州汇才创智科技有限公司 | 基于人工智能的编程学习资源推送方法及编程学习平台 |
CN112052686A (zh) * | 2020-09-02 | 2020-12-08 | 合肥分贝工场科技有限公司 | 一种用户交互式教育的语音学习资源推送方法 |
CN112084203A (zh) * | 2020-09-10 | 2020-12-15 | 北京百度网讯科技有限公司 | 用于输出信息的方法、装置、设备以及存储介质 |
CN112150097A (zh) * | 2020-08-13 | 2020-12-29 | 北京师范大学 | 一种学习设计生成方法、装置、电子设备及存储介质 |
CN112685645A (zh) * | 2021-01-13 | 2021-04-20 | 敖客星云(北京)科技发展有限公司 | 基于知识图谱的智能教育推荐方法、系统、设备和介质 |
CN113065060A (zh) * | 2021-02-18 | 2021-07-02 | 山东师范大学 | 基于深度学习的教育平台课程推荐方法及系统 |
CN113160009A (zh) * | 2021-03-31 | 2021-07-23 | 北京大米科技有限公司 | 信息推送方法、相关装置、以及计算机介质 |
CN113704493A (zh) * | 2021-08-27 | 2021-11-26 | 北京有竹居网络技术有限公司 | 展示信息确定方法、装置、设备及计算机可读存储介质 |
CN114549249A (zh) * | 2022-02-24 | 2022-05-27 | 江苏兴教科技有限公司 | 一种高校用在线教学资源库管理系统及方法 |
CN114647721A (zh) * | 2022-05-23 | 2022-06-21 | 风林科技(深圳)有限公司 | 教育智能机器人控制方法、设备及介质 |
CN117726082A (zh) * | 2024-02-18 | 2024-03-19 | 暗物智能科技(广州)有限公司 | 一种教学资源推荐方法、装置、电子设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160086498A1 (en) * | 2014-09-18 | 2016-03-24 | International Business Machines Corporation | Recommending a Set of Learning Activities Based on Dynamic Learning Goal Adaptation |
CN107085803A (zh) * | 2017-03-31 | 2017-08-22 | 弘成科技发展有限公司 | 基于知识图谱和能力测评的个性化教学资源推荐系统 |
CN108153879A (zh) * | 2017-12-26 | 2018-06-12 | 爱因互动科技发展(北京)有限公司 | 通过人机交互而向用户提供推荐信息的方法及装置 |
CN109670110A (zh) * | 2018-12-20 | 2019-04-23 | 蒋文军 | 一种教育资源推荐方法、装置、设备及存储介质 |
CN109800300A (zh) * | 2019-01-08 | 2019-05-24 | 广东小天才科技有限公司 | 一种学习内容推荐方法及系统 |
CN110032651A (zh) * | 2019-04-18 | 2019-07-19 | 江苏师范大学 | 一种基于知识图谱的个性化学习特征模型的建构方法 |
CN110413877A (zh) * | 2019-07-02 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种资源推荐方法、装置及电子设备 |
-
2019
- 2019-12-30 CN CN201911394848.6A patent/CN111177413A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160086498A1 (en) * | 2014-09-18 | 2016-03-24 | International Business Machines Corporation | Recommending a Set of Learning Activities Based on Dynamic Learning Goal Adaptation |
CN107085803A (zh) * | 2017-03-31 | 2017-08-22 | 弘成科技发展有限公司 | 基于知识图谱和能力测评的个性化教学资源推荐系统 |
CN108153879A (zh) * | 2017-12-26 | 2018-06-12 | 爱因互动科技发展(北京)有限公司 | 通过人机交互而向用户提供推荐信息的方法及装置 |
CN109670110A (zh) * | 2018-12-20 | 2019-04-23 | 蒋文军 | 一种教育资源推荐方法、装置、设备及存储介质 |
CN109800300A (zh) * | 2019-01-08 | 2019-05-24 | 广东小天才科技有限公司 | 一种学习内容推荐方法及系统 |
CN110032651A (zh) * | 2019-04-18 | 2019-07-19 | 江苏师范大学 | 一种基于知识图谱的个性化学习特征模型的建构方法 |
CN110413877A (zh) * | 2019-07-02 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种资源推荐方法、装置及电子设备 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723855A (zh) * | 2020-06-09 | 2020-09-29 | 广东小天才科技有限公司 | 一种学习知识点的显示方法、终端设备及存储介质 |
CN111913995A (zh) * | 2020-07-08 | 2020-11-10 | 广州汇才创智科技有限公司 | 基于人工智能的编程学习资源推送方法及编程学习平台 |
CN112150097A (zh) * | 2020-08-13 | 2020-12-29 | 北京师范大学 | 一种学习设计生成方法、装置、电子设备及存储介质 |
CN112150097B (zh) * | 2020-08-13 | 2023-10-17 | 北京师范大学 | 一种学习设计生成方法、装置、电子设备及存储介质 |
CN112052686A (zh) * | 2020-09-02 | 2020-12-08 | 合肥分贝工场科技有限公司 | 一种用户交互式教育的语音学习资源推送方法 |
CN112052686B (zh) * | 2020-09-02 | 2023-08-18 | 合肥分贝工场科技有限公司 | 一种用户交互式教育的语音学习资源推送方法 |
CN112084203A (zh) * | 2020-09-10 | 2020-12-15 | 北京百度网讯科技有限公司 | 用于输出信息的方法、装置、设备以及存储介质 |
CN112685645A (zh) * | 2021-01-13 | 2021-04-20 | 敖客星云(北京)科技发展有限公司 | 基于知识图谱的智能教育推荐方法、系统、设备和介质 |
CN113065060B (zh) * | 2021-02-18 | 2022-11-29 | 山东师范大学 | 基于深度学习的教育平台课程推荐方法及系统 |
CN113065060A (zh) * | 2021-02-18 | 2021-07-02 | 山东师范大学 | 基于深度学习的教育平台课程推荐方法及系统 |
CN113160009A (zh) * | 2021-03-31 | 2021-07-23 | 北京大米科技有限公司 | 信息推送方法、相关装置、以及计算机介质 |
CN113704493A (zh) * | 2021-08-27 | 2021-11-26 | 北京有竹居网络技术有限公司 | 展示信息确定方法、装置、设备及计算机可读存储介质 |
WO2023024976A1 (zh) * | 2021-08-27 | 2023-03-02 | 北京有竹居网络技术有限公司 | 展示信息确定方法、装置、设备及计算机可读存储介质 |
CN114549249B (zh) * | 2022-02-24 | 2023-02-24 | 江苏兴教科技有限公司 | 一种高校用在线教学资源库管理系统及方法 |
CN114549249A (zh) * | 2022-02-24 | 2022-05-27 | 江苏兴教科技有限公司 | 一种高校用在线教学资源库管理系统及方法 |
CN114647721A (zh) * | 2022-05-23 | 2022-06-21 | 风林科技(深圳)有限公司 | 教育智能机器人控制方法、设备及介质 |
CN117726082A (zh) * | 2024-02-18 | 2024-03-19 | 暗物智能科技(广州)有限公司 | 一种教学资源推荐方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177413A (zh) | 学习资源推荐方法、装置和电子设备 | |
CN110399541B (zh) | 基于深度学习的题目推荐方法、装置及存储介质 | |
Kabakci Yurdakul | Modeling the relationship between pre-service teachers’ TPACK and digital nativity | |
CN106202453B (zh) | 一种多媒体资源推荐方法和装置 | |
US20160293036A1 (en) | System and method for adaptive assessment and training | |
KR102013955B1 (ko) | 소프트웨어 전문가 실무교육과 평가를 위한 스마트 교육 시스템 및 그 서비스 제공 방법 | |
CN111475627B (zh) | 解答推导题目的检查方法、装置、电子设备及存储介质 | |
CN111343507A (zh) | 在线授课方法、装置、存储介质和电子设备 | |
CN110111611B (zh) | 信息处理方法、装置、介质和电子设备 | |
CN110941653A (zh) | 数据处理方法、装置、存储介质和终端 | |
CN110189238A (zh) | 辅助学习的方法、装置、介质以及电子设备 | |
CN111614986A (zh) | 基于在线教育的弹幕生成方法、系统、设备及存储介质 | |
EP3304438A1 (en) | Educational proficiency development and assessment system | |
US10984672B2 (en) | Tutoring agent improvement recommendation | |
JP6123260B2 (ja) | 抽出方法、抽出装置および抽出プログラム | |
CN116796802A (zh) | 基于错题分析的学习推荐方法、装置、设备及存储介质 | |
CN110609947A (zh) | 智能学习系统的学习内容推荐方法、终端及存储介质 | |
JP2017173418A (ja) | 学習支援システム、プログラム、情報処理方法、及び情報処理装置 | |
CN110546701A (zh) | 具有反馈机制的课程评定工具 | |
KR20130039802A (ko) | 말하기 자동평가 시스템, 그 방법 및 장치 | |
CN111476468A (zh) | 基于在线学员群配置教员的方法、系统、设备及存储介质 | |
JP5224499B2 (ja) | 教材学習用記憶媒体 | |
CN112204637A (zh) | 具有学生和教师仪表板的以学生为中心的学习系统 | |
CN115081965A (zh) | 一种学情大数据分析系统及学情服务器 | |
CN114841157A (zh) | 基于数据分析的线上互动方法、系统、设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230816 Address after: No. 902, 9th Floor, Unit 2, Building 1, No. 333 Jiqing Third Road, Chengdu High tech Zone, China (Sichuan) Pilot Free Trade Zone, Chengdu City, Sichuan Province, 610213 Applicant after: Chengdu Yudi Technology Co.,Ltd. Address before: 100123 t4-27 floor, Damei center, courtyard 7, Qingnian Road, Chaoyang District, Beijing Applicant before: BEIJING QIAN REN TECHNOLOGY Co.,Ltd. |