CN112380335A - 一种数字教育资源推荐系统 - Google Patents

一种数字教育资源推荐系统 Download PDF

Info

Publication number
CN112380335A
CN112380335A CN202011326762.2A CN202011326762A CN112380335A CN 112380335 A CN112380335 A CN 112380335A CN 202011326762 A CN202011326762 A CN 202011326762A CN 112380335 A CN112380335 A CN 112380335A
Authority
CN
China
Prior art keywords
module
resources
digital education
user
digital
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
Application number
CN202011326762.2A
Other languages
English (en)
Inventor
钱锟
代毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongjiao Yunzhi Digital Technology Co ltd
Original Assignee
Zhongjiao Yunzhi Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongjiao Yunzhi Digital Technology Co ltd filed Critical Zhongjiao Yunzhi Digital Technology Co ltd
Priority to CN202011326762.2A priority Critical patent/CN112380335A/zh
Publication of CN112380335A publication Critical patent/CN112380335A/zh
Pending legal-status Critical Current

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
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/247—Thesauruses; Synonyms
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种数字教育资源推荐系统，包括：数字教育资源数据库，用于储存教育资源；收集模块，收集使用者对数字教育资源的浏览、收藏和转发的行为数据；计时模块，计时模块和收集模块电性连接，可计算使用者浏览页面的时间长度及收藏的时间；循环推荐模块，循环推荐模块和收集模块电性连接，可将出现过的数字教育资源重复推荐给使用者，使使用者重复记忆，加强学习效果；本方案，设置循环推荐模块可将出现过的数字教育资源重复推荐给使用者，使使用者重复记忆，加强学习效果；循环推荐模块包括循环设置模块，可设置循环的次数和每次循环的间隔，加强学习记忆效果。

Description

一种数字教育资源推荐系统
技术领域
本申请涉及教育技术领域，具体而言，涉及一种数字教育资源推荐系统。
背景技术
随着互联网的快速发展，我们进入了信息爆炸时代。当前通过互联网生产教育资源的个体或集体越来越多，相应的提供的资源种类(微课、学案、教案、试题、试卷等)层出不穷，可供选择的数量也越来越多，这么多的资源怎么让需要它的人找到它，满足用户的各种需要，就是摆在人们面前的难题。
同时当今时代可选择的教材和资源繁多，而不同使用者的兴趣偏好又是截然不同，并且在特定场景下，使用者对自己的需求不是很明确。在这个背景驱动下，推荐系统应运而生。个性化推荐系统是解决上述矛盾的最有效的方法和工具之一。
只考虑标题相似度，没有实质考虑资源的内容，通过标题相同字数的比例计算资源的相似度的方法效果太差，不能解决同义词等问题，效果不好；单纯推荐相同或相似内容，有两个缺陷，第一没有考虑冷启动的问题，即如果一个新资源没有被使用或浏览过，则不会被推荐；第二学生本身的偏好可能对学习的帮助不大或者导致偏科，这时缺少新的资源介入。
发明内容
本申请的主要目的在于提供一种数字教育资源推荐系统，以改善相关技术中的问题。
为了实现上述目的，本申请提供了一种数字教育资源推荐系统，包括：
数字教育资源数据库，用于储存教育资源；
收集模块，收集使用者对数字教育资源的浏览、收藏和转发的行为数据；
计时模块，计时模块和收集模块电性连接，可计算使用者浏览页面的时间长度及收藏的时间；
循环推荐模块，循环推荐模块和收集模块电性连接，可将出现过的数字教育资源重复推荐给使用者，使使用者重复记忆，加强学习效果；
排序模块，排序模块和计时模块电性连接，对使用者接触的数字教育资源进行排序，收藏优先级大于浏览，浏览时间长优先级大于浏览时间短；排序模块和循环推荐模块电性连接，可将数字教育资源排序后进行循环推荐；
相似内容推荐模块，相似内容推荐模块和数字教育资源数据库电性连接，可从数字教育资源数据库中调取数字教育资源；相似内容推荐模块和收集模块电性连接，可将数字教育资源数据库中的数字教育资源和收集模块中的数字教育资源对比，从而提取出和数字教育资源数据库中的数字教育资源相似的内容，相似内容推荐模块和排序模块电性连接，可将提取出的相似内容加入到排序模块中；
专家推荐模块，专家推荐模块和排序模块电性连接，根据当前数字教育资源的使用情况，结合专家经验，可为使用者推荐质量高的学习资源，进入到排序模块中等待浏览。
收集模块收集数字教育资源提供方例如各大出版社、校外培训机构或具备生产数字教育资源的学校，提供的各种形式的数字教育资源内容信息和属性信息；收集教育专家对于已完成的课程备课方案评价。
所述收集模块，具体为学生在某一课程备课环境对于某一资源使用、收藏、浏览的次数和具体日期时间；资源所展示的具体内容以及资源的各类属性，例如生产商，生产者，风格，类型。
所述循环推荐模块包括循环设置模块，可设置循环的次数和每次循环的间隔。
在本申请的一种实施例中，专家推荐模块，结合专家经验判断一份优质的数字教育资源应当具备什么类型的资源，以及不同类型的资源之间的配比应该如何，优先保证课程结构完整，补足缺少的必要元素限位结构。
在本申请的一种实施例中，相似内容推荐模块连接有人工操作端口，工作人员通过人工操作端口为数字教育资源标注重点字符，通过重点字符的重合度对比，挑选出相似的数字教育资源内容；
工作人员还可通过人工操作端口审核挑选出的相似数字教育资源内容。
在本申请的一种实施例中，相似内容推荐模块连接有近义词数据库，通过近义词数据库录入的近义词，可推荐相似的数字教育资源内容；
相似内容推荐模块连接有反义词数据库，通过反义词数据库录入的反义词，可推荐“否定词”加反义词的内容；
否定词包括“非”、“不”、“没有”和“否”。
在本申请的一种实施例中，还包括收藏重合度推荐模块，收藏重合度推荐模块和排序模块电性连接，两个使用者收藏内容的重合度超过20％，即可将两个使用者收藏的内容相互推荐。
在本申请的一种实施例中，还包括转发重合度推荐模块，转发重合度推荐模块和排序模块电性连接，两个使用者转发内容的重合度超过20％，即可将两个使用者转发的内容相互推荐。
在本申请的一种实施例中，所述排序模块，以使用者使用、浏览的为目标，以资源的各种属性，包括使用情况、浏览情况、收藏情况、转发情况和使用者的各类属性作为特征，利用深度学习技术训练判定使用者是否浏览或是否使用资源的模型，通过使用者是否浏览或是否使用资源的概率，对资源进行排序；
使用者的各类属性包括年龄、性别、使用习惯、资源类型偏好、生产商偏好。
与现有技术相比，本申请的有益效果是：
1、通过上述设计的数字教育资源推荐系统，使用时，相似内容推荐模块连接有人工操作端口，工作人员通过人工操作端口为数字教育资源标注重点字符，通过重点字符的重合度对比，挑选出相似的数字教育资源内容，比使用全部字符进行对比的精度高，可提高相似内容的相似度，工作人员还可通过人工操作端口审核挑选出的相似数字教育资源内容，对相似度不高的内容进行删除；相似内容推荐模块连接有近义词数据库，通过近义词数据库录入的近义词，可推荐相似的数字教育资源内容；相似内容推荐模块连接有反义词数据库，通过反义词数据库录入的反义词，可推荐“否定词”加反义词的内容；可通过同义词和反义词进行推荐；提高搜索的精度；
2、通过上述设计的数字教育资源推荐系统，使用时，设置循环推荐模块可将出现过的数字教育资源重复推荐给使用者，使使用者重复记忆，加强学习效果；循环推荐模块包括循环设置模块，可设置循环的次数和每次循环的间隔，加强学习记忆效果；
3、通过上述设计的数字教育资源推荐系统，使用时，设置相似内容推荐模块，对同一个内容傻瓜的知识厌烦时，可推荐具有相同知识的相似内容，进一步加强记忆效果；
4、通过上述设计的数字教育资源推荐系统，使用时，设置专家推荐模块，结合专家经验判断一份优质的数字教育资源应当具备什么类型的资源，以及不同类型的资源之间的配比应该如何，优先保证课程结构完整，补足缺少的必要元素限位结构，避免了使用者学习的内容偏离太大，或者偏科不均衡，保证了学生的均衡发展。
附图说明
图1为根据本申请实施例提供的数字教育资源推荐系统的结构示意图；
图2为根据本申请实施例提供的数字教育资源推荐系统的循环推荐模块的结构示意图；
图3为根据本申请实施例提供的数字教育资源推荐系统的反义词数据库和近义词数据库的结构示意图；
图4为根据本申请实施例提供的数字教育资源推荐系统的相似内容推荐模块运行的结构示意图；
图5为根据本申请实施例提供的数字教育资源推荐系统的收藏重合度推荐模块的结构示意图；
图6为根据本申请实施例提供的数字教育资源推荐系统的转发重合度推荐模块结构示意图；
图7为根据本申请实施例提供的数字教育资源推荐系统的使用者属性的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，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。
并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。
另外，术语“多个”的含义应为两个以及两个以上。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
实施例1
请参阅图1-图6，本申请提供了一种数字教育资源推荐系统，包括：
数字教育资源数据库，用于储存教育资源；
收集模块，收集使用者对数字教育资源的浏览、收藏和转发的行为数据；
收集模块收集数字教育资源提供方例如各大出版社、校外培训机构或具备生产数字教育资源的学校，提供的各种形式的数字教育资源内容信息和属性信息；收集教育专家对于已完成的课程备课方案评价。
所述收集模块，具体为学生在某一课程备课环境对于某一资源使用、收藏、浏览的次数和具体日期时间；资源所展示的具体内容以及资源的各类属性，例如生产商，生产者，风格，类型。
计时模块，计时模块和收集模块电性连接，可计算使用者浏览页面的时间长度及收藏的时间；
循环推荐模块，循环推荐模块和收集模块电性连接，可将出现过的数字教育资源重复推荐给使用者，使使用者重复记忆，加强学习效果；
所述循环推荐模块包括循环设置模块，可设置循环的次数和每次循环的间隔。
排序模块，排序模块和计时模块电性连接，对使用者接触的数字教育资源进行排序，收藏优先级大于浏览，浏览时间长优先级大于浏览时间短；排序模块和循环推荐模块电性连接，可将数字教育资源排序后进行循环推荐；
所述排序模块，以使用者使用、浏览的为目标，以资源的各种属性，包括使用情况、浏览情况、收藏情况、转发情况和使用者的各类属性作为特征，利用深度学习技术训练判定使用者是否浏览或是否使用资源的模型，通过使用者是否浏览或是否使用资源的概率，对资源进行排序；
使用者的各类属性包括年龄、性别、使用习惯、资源类型偏好、生产商偏好。
相似内容推荐模块，相似内容推荐模块和数字教育资源数据库电性连接，可从数字教育资源数据库中调取数字教育资源；相似内容推荐模块和收集模块电性连接，可将数字教育资源数据库中的数字教育资源和收集模块中的数字教育资源对比，从而提取出和数字教育资源数据库中的数字教育资源相似的内容，相似内容推荐模块和排序模块电性连接，可将提取出的相似内容加入到排序模块中；
相似内容推荐模块连接有人工操作端口，工作人员通过人工操作端口为数字教育资源标注重点字符，通过重点字符的重合度对比，挑选出相似的数字教育资源内容；
工作人员还可通过人工操作端口审核挑选出的相似数字教育资源内容。
相似内容推荐模块连接有近义词数据库，通过近义词数据库录入的近义词，可推荐相似的数字教育资源内容；
相似内容推荐模块连接有反义词数据库，通过反义词数据库录入的反义词，可推荐“否定词”加反义词的内容；
否定词包括“非”、“不”、“没有”和“否”。
专家推荐模块，专家推荐模块和排序模块电性连接，根据当前数字教育资源的使用情况，结合专家经验，可为使用者推荐质量高的学习资源，进入到排序模块中等待浏览。
专家推荐模块，结合专家经验判断一份优质的数字教育资源应当具备什么类型的资源，以及不同类型的资源之间的配比应该如何，优先保证课程结构完整，补足缺少的必要元素限位结构。
还包括收藏重合度推荐模块，收藏重合度推荐模块和排序模块电性连接，两个使用者收藏内容的重合度超过20％，即可将两个使用者收藏的内容相互推荐。
实施例2
请参阅图1、图2、图3、图4、图5和图7，本申请提供了一种数字教育资源推荐系统，包括：
数字教育资源数据库，用于储存教育资源；
收集模块，收集使用者对数字教育资源的浏览、收藏和转发的行为数据；
收集模块收集数字教育资源提供方例如各大出版社、校外培训机构或具备生产数字教育资源的学校，提供的各种形式的数字教育资源内容信息和属性信息；收集教育专家对于已完成的课程备课方案评价。
所述收集模块，具体为学生在某一课程备课环境对于某一资源使用、收藏、浏览的次数和具体日期时间；资源所展示的具体内容以及资源的各类属性，例如生产商，生产者，风格，类型。
计时模块，计时模块和收集模块电性连接，可计算使用者浏览页面的时间长度及收藏的时间；
循环推荐模块，循环推荐模块和收集模块电性连接，可将出现过的数字教育资源重复推荐给使用者，使使用者重复记忆，加强学习效果；
所述循环推荐模块包括循环设置模块，可设置循环的次数和每次循环的间隔。
排序模块，排序模块和计时模块电性连接，对使用者接触的数字教育资源进行排序，收藏优先级大于浏览，浏览时间长优先级大于浏览时间短；排序模块和循环推荐模块电性连接，可将数字教育资源排序后进行循环推荐；
所述排序模块，以使用者使用、浏览的为目标，以资源的各种属性，包括使用情况、浏览情况、收藏情况、转发情况和使用者的各类属性作为特征，利用深度学习技术训练判定使用者是否浏览或是否使用资源的模型，通过使用者是否浏览或是否使用资源的概率，对资源进行排序；
使用者的各类属性包括年龄、性别、使用习惯、资源类型偏好、生产商偏好。
相似内容推荐模块，相似内容推荐模块和数字教育资源数据库电性连接，可从数字教育资源数据库中调取数字教育资源；相似内容推荐模块和收集模块电性连接，可将数字教育资源数据库中的数字教育资源和收集模块中的数字教育资源对比，从而提取出和数字教育资源数据库中的数字教育资源相似的内容，相似内容推荐模块和排序模块电性连接，可将提取出的相似内容加入到排序模块中；
相似内容推荐模块连接有人工操作端口，工作人员通过人工操作端口为数字教育资源标注重点字符，通过重点字符的重合度对比，挑选出相似的数字教育资源内容；
工作人员还可通过人工操作端口审核挑选出的相似数字教育资源内容。
相似内容推荐模块连接有近义词数据库，通过近义词数据库录入的近义词，可推荐相似的数字教育资源内容；
相似内容推荐模块连接有反义词数据库，通过反义词数据库录入的反义词，可推荐“否定词”加反义词的内容；
否定词包括“非”、“不”、“没有”和“否”。
专家推荐模块，专家推荐模块和排序模块电性连接，根据当前数字教育资源的使用情况，结合专家经验，可为使用者推荐质量高的学习资源，进入到排序模块中等待浏览。
专家推荐模块，结合专家经验判断一份优质的数字教育资源应当具备什么类型的资源，以及不同类型的资源之间的配比应该如何，优先保证课程结构完整，补足缺少的必要元素限位结构。
还包括转发重合度推荐模块，转发重合度推荐模块和排序模块电性连接，两个使用者转发内容的重合度超过20％，即可将两个使用者转发的内容相互推荐。
具体的，该数字教育资源推荐系统的工作原理：
使用时，相似内容推荐模块连接有人工操作端口，工作人员通过人工操作端口为数字教育资源标注重点字符，通过重点字符的重合度对比，挑选出相似的数字教育资源内容，比使用全部字符进行对比的精度高，可提高相似内容的相似度，工作人员还可通过人工操作端口审核挑选出的相似数字教育资源内容，对相似度不高的内容进行删除；相似内容推荐模块连接有近义词数据库，通过近义词数据库录入的近义词，可推荐相似的数字教育资源内容；相似内容推荐模块连接有反义词数据库，通过反义词数据库录入的反义词，可推荐“否定词”加反义词的内容；可通过同义词和反义词进行推荐；提高搜索的精度；
设置循环推荐模块可将出现过的数字教育资源重复推荐给使用者，使使用者重复记忆，加强学习效果；循环推荐模块包括循环设置模块，可设置循环的次数和每次循环的间隔，加强学习记忆效果；
设置相似内容推荐模块，对同一个内容傻瓜的知识厌烦时，可推荐具有相同知识的相似内容，进一步加强记忆效果；
设置专家推荐模块，结合专家经验判断一份优质的数字教育资源应当具备什么类型的资源，以及不同类型的资源之间的配比应该如何，优先保证课程结构完整，补足缺少的必要元素限位结构，避免了使用者学习的内容偏离太大，或者偏科不均衡，保证了学生的均衡发展。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种数字教育资源推荐系统，其特征在于，包括：
数字教育资源数据库，用于储存教育资源；
收集模块，收集使用者对数字教育资源的浏览、收藏和转发的行为数据；
计时模块，计时模块和收集模块电性连接，可计算使用者浏览页面的时间长度及收藏的时间；
循环推荐模块，循环推荐模块和收集模块电性连接，可将出现过的数字教育资源重复推荐给使用者，使使用者重复记忆，加强学习效果；
排序模块，排序模块和计时模块电性连接，对使用者接触的数字教育资源进行排序，收藏优先级大于浏览，浏览时间长优先级大于浏览时间短；排序模块和循环推荐模块电性连接，可将数字教育资源排序后进行循环推荐；
相似内容推荐模块，相似内容推荐模块和数字教育资源数据库电性连接，可从数字教育资源数据库中调取数字教育资源；相似内容推荐模块和收集模块电性连接，可将数字教育资源数据库中的数字教育资源和收集模块中的数字教育资源对比，从而提取出和数字教育资源数据库中的数字教育资源相似的内容，相似内容推荐模块和排序模块电性连接，可将提取出的相似内容加入到排序模块中；
专家推荐模块，专家推荐模块和排序模块电性连接，根据当前数字教育资源的使用情况，结合专家经验，可为使用者推荐质量高的学习资源，进入到排序模块中等待浏览。
2.如权利要求1所述的一种数字教育资源推荐系统，其特征在于，收集模块收集数字教育资源提供方例如各大出版社、校外培训机构或具备生产数字教育资源的学校，提供的各种形式的数字教育资源内容信息和属性信息；收集教育专家对于已完成的课程备课方案评价。
3.如权利要求1所述的一种数字教育资源推荐系统，其特征在于，所述收集模块，具体为学生在某一课程备课环境对于某一资源使用、收藏、浏览的次数和具体日期时间；资源所展示的具体内容以及资源的各类属性，例如生产商，生产者，风格，类型。
4.如权利要求1所述的一种数字教育资源推荐系统，其特征在于，所述循环推荐模块包括循环设置模块，可设置循环的次数和每次循环的间隔。
5.如权利要求1所述的一种数字教育资源推荐系统，其特征在于，所述专家推荐模块，结合专家经验，一份优质的数字教育资源应当具备什么类型的资源，以及不同类型的资源之间的配比应该如何，优先保证课程结构完整，补足缺少的必要元素限位结构。
6.如权利要求1所述的一种数字教育资源推荐系统，其特征在于，所述
相似内容推荐模块连接有人工操作端口，工作人员通过人工操作端口为数字教育资源标注重点字符，通过重点字符的重合度对比，挑选出相似的数字教育资源内容；
工作人员还可通过人工操作端口审核挑选出的相似数字教育资源内容。
7.如权利要求1所述的一种数字教育资源推荐系统，其特征在于，所述
相似内容推荐模块连接有近义词数据库，通过近义词数据库录入的近义词，可推荐相似的数字教育资源内容；
相似内容推荐模块连接有反义词数据库，通过反义词数据库录入的反义词，可推荐“否定词”加反义词的内容；
否定词包括“非”、“不”、“没有”和“否”。
8.如权利要求1所述的一种数字教育资源推荐系统，其特征在于，还包括收藏重合度推荐模块，收藏重合度推荐模块和排序模块电性连接，两个使用者收藏内容的重合度超过20％，即可将两个使用者收藏的内容相互推荐。
9.如权利要求1所述的一种数字教育资源推荐系统，其特征在于，还包括转发重合度推荐模块，转发重合度推荐模块和排序模块电性连接，两个使用者转发内容的重合度超过20％，即可将两个使用者转发的内容相互推荐。
10.如权利要求1所述的一种数字教育资源推荐系统，其特征在于，所述排序模块，以使用者使用、浏览的为目标，以资源的各种属性，包括使用情况、浏览情况、收藏情况、转发情况和使用者的各类属性作为特征，利用深度学习技术训练判定使用者是否浏览或是否使用资源的模型，通过使用者是否浏览或是否使用资源的概率，对资源进行排序；
使用者的各类属性包括年龄、性别、使用习惯、资源类型偏好、生产商偏好。
CN202011326762.2A 2020-11-24 2020-11-24 一种数字教育资源推荐系统 Pending CN112380335A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011326762.2A CN112380335A (zh) 2020-11-24 2020-11-24 一种数字教育资源推荐系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011326762.2A CN112380335A (zh) 2020-11-24 2020-11-24 一种数字教育资源推荐系统

Publications (1)

Publication Number Publication Date
CN112380335A true CN112380335A (zh) 2021-02-19

Family

ID=74587286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011326762.2A Pending CN112380335A (zh) 2020-11-24 2020-11-24 一种数字教育资源推荐系统

Country Status (1)

Country Link
CN (1) CN112380335A (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110306028A1 (en) * 2010-06-15 2011-12-15 Galimore Sarah E Educational decision support system and associated methods
US20130262365A1 (en) * 2012-03-31 2013-10-03 Sharp Kabushiki Kaisha Educational system, method and program to adapt learning content based on predicted user reaction
CN106327227A (zh) * 2015-06-19 2017-01-11 北京航天在线网络科技有限公司 一种信息推荐系统及信息推荐方法
CN106384319A (zh) * 2016-09-20 2017-02-08 四川教云网络科技有限公司 一种基于遗忘曲线的教学资源个性化推荐方法
CN106528693A (zh) * 2016-10-25 2017-03-22 广东科海信息科技股份有限公司 面向个性化学习的教育资源推荐方法及系统
CN106897950A (zh) * 2017-01-16 2017-06-27 北京师范大学 一种基于单词认知状态模型适应性学习系统及方法
US20180240015A1 (en) * 2017-02-21 2018-08-23 Scriyb LLC Artificial cognitive declarative-based memory model to dynamically store, retrieve, and recall data derived from aggregate datasets
CN110120001A (zh) * 2019-05-08 2019-08-13 成都佳发安泰教育科技股份有限公司 一种基于知识图谱库与记忆曲线结合提分的方法及系统
CN110333840A (zh) * 2019-06-28 2019-10-15 百度在线网络技术（北京）有限公司 推荐方法、装置、电子设备和存储介质
CN111179675A (zh) * 2019-12-30 2020-05-19 安徽知学科技有限公司 个性化练习题推荐方法、系统、计算机设备以及存储介质
CN111209474A (zh) * 2019-12-27 2020-05-29 广东德诚科教有限公司 在线课程的推荐方法、装置、计算机设备和存储介质
CN111523028A (zh) * 2020-04-16 2020-08-11 广东小天才科技有限公司 数据推荐方法、装置、设备及存储介质
CN111858951A (zh) * 2019-04-30 2020-10-30 广东小天才科技有限公司 基于知识图谱的学习推荐方法及装置、终端设备

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110306028A1 (en) * 2010-06-15 2011-12-15 Galimore Sarah E Educational decision support system and associated methods
US20130262365A1 (en) * 2012-03-31 2013-10-03 Sharp Kabushiki Kaisha Educational system, method and program to adapt learning content based on predicted user reaction
CN106327227A (zh) * 2015-06-19 2017-01-11 北京航天在线网络科技有限公司 一种信息推荐系统及信息推荐方法
CN106384319A (zh) * 2016-09-20 2017-02-08 四川教云网络科技有限公司 一种基于遗忘曲线的教学资源个性化推荐方法
CN106528693A (zh) * 2016-10-25 2017-03-22 广东科海信息科技股份有限公司 面向个性化学习的教育资源推荐方法及系统
CN106897950A (zh) * 2017-01-16 2017-06-27 北京师范大学 一种基于单词认知状态模型适应性学习系统及方法
US20180240015A1 (en) * 2017-02-21 2018-08-23 Scriyb LLC Artificial cognitive declarative-based memory model to dynamically store, retrieve, and recall data derived from aggregate datasets
CN111858951A (zh) * 2019-04-30 2020-10-30 广东小天才科技有限公司 基于知识图谱的学习推荐方法及装置、终端设备
CN110120001A (zh) * 2019-05-08 2019-08-13 成都佳发安泰教育科技股份有限公司 一种基于知识图谱库与记忆曲线结合提分的方法及系统
CN110333840A (zh) * 2019-06-28 2019-10-15 百度在线网络技术（北京）有限公司 推荐方法、装置、电子设备和存储介质
CN111209474A (zh) * 2019-12-27 2020-05-29 广东德诚科教有限公司 在线课程的推荐方法、装置、计算机设备和存储介质
CN111179675A (zh) * 2019-12-30 2020-05-19 安徽知学科技有限公司 个性化练习题推荐方法、系统、计算机设备以及存储介质
CN111523028A (zh) * 2020-04-16 2020-08-11 广东小天才科技有限公司 数据推荐方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周传生;赵望儒;刘忠武;: "个性化协同过滤推荐算法在教师网络研修资源中的应用", 沈阳师范大学学报(自然科学版), no. 02, 15 April 2019 (2019-04-15), pages 90 - 94 *
姜强;赵蔚;杜欣;梁明;: "基于用户模型的个性化本体学习资源推荐研究", 中国电化教育, no. 05, 10 May 2010 (2010-05-10), pages 112 - 117 *

Similar Documents

Publication Publication Date Title
CN110019392B (zh) 在网络教学系统中推荐教师的方法
CN110322738B (zh) 一种课程优化方法、装置和系统
CN103886054B (zh) 一种网络教学资源的个性化推荐系统和推荐方法
CN103544663A (zh) 网络公开课的推荐方法、系统和移动终端
CN109243231A (zh) 一种智能生成组织竞赛系统
CN108829652A (zh) 一种基于众包的图片标注系统
CN113590956A (zh) 知识点推荐方法、装置、终端及计算机可读存储介质
Ramdeen et al. A tale of two interfaces: How facets affect the library catalog search
CN113886567A (zh) 一种基于知识图谱的教学方法及系统
US11416558B2 (en) System and method for recommending personalized content using contextualized knowledge base
CN113239185B (zh) 教学课件的制作方法、设备及计算机可读存储介质
Chen et al. Augmenting traditional books with context-aware learning supports from online learning communities
Yu et al. The personalized recommendation algorithms in educational application
Suraweera et al. The role of domain ontology in knowledge acquisition for ITSs
CN112380335A (zh) 一种数字教育资源推荐系统
JP2007310044A (ja) 学習支援システム
CN109857874A (zh) 一种基于知识图谱的用户答案的推荐方法和装置
Ufuophu-Biri et al. The place of digital nativity and digital immigration on internet accessibility and usage by students and lecturers of tertiary institutions of learning in Delta State, Nigeria
CN111813919B (zh) 一种基于句法分析与关键词检测的mooc课程评价方法
Abdullah et al. Collaborative digital library of historical resources: Evaluation of first users
Graham Library online catalog: an exploration of two potential ameliorations
JP5857282B2 (ja) 授業質問回答システム及び方法
Marani WebEduRank: an educational ranking principle of web pages for teaching
Penrose Does order make a difference in resumes?
Whetstone Tracing paradigm shifts in information literacy: a progressive knowledge domain visualization approach

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
CB02 Change of applicant information

Address after: Zhongjiao Yunzhi, 3 / F, Zhongjiao cloud group, RONGTONG science and Technology Industrial Park, No. 35, Huayuan East Road, Mudanyuan District, Beijing 100088

Applicant after: Zhongjiao Yunzhi Digital Technology Co.,Ltd.

Address before: 100094 Yunzhi, No.15, North 1st Street, Zhongguancun, Haidian District, Beijing

Applicant before: Zhongjiao Yunzhi Digital Technology Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100191 zhongjiaoyun, integrated innovation industrial park, No. 35 Huayuan East Road, Haidian District, Beijing

Applicant after: Zhongjiao Yunzhi Digital Technology Co.,Ltd.

Address before: Zhongjiao Yunzhi, 3 / F, Zhongjiao cloud group, RONGTONG science and Technology Industrial Park, No. 35, Huayuan East Road, Mudanyuan District, Beijing 100088

Applicant before: Zhongjiao Yunzhi Digital Technology Co.,Ltd.

CB02 Change of applicant information