CN112784044A - 一种基于内容标签的知识库推荐系统 - Google Patents
一种基于内容标签的知识库推荐系统 Download PDFInfo
- Publication number
- CN112784044A CN112784044A CN202110063797.XA CN202110063797A CN112784044A CN 112784044 A CN112784044 A CN 112784044A CN 202110063797 A CN202110063797 A CN 202110063797A CN 112784044 A CN112784044 A CN 112784044A
- Authority
- CN
- China
- Prior art keywords
- learning
- learner
- knowledge
- resources
- clustering algorithm
- 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
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 238000012360 testing method Methods 0.000 claims description 16
- 239000000203 mixture Substances 0.000 claims description 12
- 238000009472 formulation Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005354 coacervation Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims 1
- 238000012163 sequencing technique Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 11
- 238000012545 processing Methods 0.000 abstract description 4
- 238000002372 labelling Methods 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的技术方案采用的方案是基于学习者的学习资源检索记录及学习者的成绩水平来给对应的知识匹配内容标签，相对于现有技术中采用知识图谱来对知识库中的知识进行标签绘制的方法，本申请的方案既避免了知识图谱算法需要对数以亿级的知识点进行前期处理的处理复杂度，又可以使得绘制出的标签更加符合学习者的实际使用体验。
Description
技术领域
本申请涉及智能教学领域，具体而言，涉及一种基于内容标签的知识库推荐系统。
背景技术
混合式学习的不断发展，为教育提供了一种线上线下相结合的学习方式。随着在线学习平台业务的扩展，其知识库的容量越来越大，然而，随着数据量的增加，如何给学习者提供合适的学习内容就是目前各在线学习平台所面临的挑战。
目前的在线学习平台针对该问题的处理方式为，利用知识图谱来对知识库中的内容进行分类画像，也即通过直接对学习资源进行贴标签的方式来实现分类，从而便于后续基于学习者的学习需求来推送匹配标签所对应的学习资源。但是，知识点之间往往是交叉的，采用知识图谱方法很难准确的确定交叉状态的知识点究竟属于哪个标签，所以，该方法获得的内容标签的准确性难以保证。
因此，如何对知识库内容进行准确标签分类以进行教育推荐，就是目前在线教育平台所面临的亟需解决的技术问题。
发明内容
为了解决上述技术问题，本申请提供了一种基于内容标签的知识库推荐系统，以准确的向学习者推荐个性化的学习资源。
本申请的第一方面提供了一种基于内容标签的知识库推荐系统，所述系统包括获取模块、内容标签制定模块、推送模块；
所述获取模块，用于获取学习者的学习历史记录，所述学习历史记录包括学习者身份信息、学习资源检索记录、测试成绩，并传送给所述内容标签制定模块；
所述内容标签制定模块，用于基于所述学习者的学习历史记录绘制出知识点的内容标签，并将所述内容标签传送给所述推送模块；
所述推送模块，用于基于学习者的所述学习历史记录和所述内容标签匹配出对应的学习资源，将所述学习资源推送至所述学习者的客户端进行显示。
可选地，所述基于所述学习者的学习历史记录绘制出知识点的内容标签，包括：
提取所有所述学习者的学习历史记录中的学习者身份信息和测试成绩，通过聚类算法一将其按学龄分为不同等级；提取所有所述学习者的学习历史记录中的学习资源检索记录，采用聚类算法二对学习资源检索记录进行聚类操作，以提取出其中的若干知识点；建立所述若干知识点整体与所述等级的对应关系，其中，所述等级即为内容标签。
可选地，所说聚类算法为K-means聚类算法、均值漂移聚类算法、DBSCAN聚类算法、凝聚层次聚类算法、混合高斯模型的最大期望聚类算法中的一种或多种。
可选地，基于学习者的所述学习历史记录和所述内容标签匹配出对应的学习资源，包括：
对于指定的学习者，从其学习历史记录中提取出测试成绩，将所述测试成绩与所述的等级进行匹配，以确定出对应的所述等级；将所述等级与所述内容标签进行匹配，以获得对应的若干知识点；基于所述知识点从知识库中匹配出对应的学习资源。
可选地，所述推送模块，还用于对所述学习资源进行排序。
可选地，所述对所述学习资源进行排序，包括：
基于所述学习资源中每一个学习资源的被检索次数和检索该每一个学习资源的所述学习者的所述等级确定所述学习资源中每一个学习资源的匹配度值，基于所述匹配度值按从高到低对所述每一个学习资源进行排序。
可选地，基于所述学习资源中每一个学习资源的被检索次数和检索该每一个学习资源的所述学习者的所述等级确定所述学习资源中每一个学习资源的匹配度值，包括：
对所述检索次数和所述等级分别设置归一化计算值，以及给所述归一化计算值分别设置加权权重，基于所述归一化值和所述加权权重确定确定所述学习资源匹配度值。
可选地，所述将所述学习资源推送至所述学习者的客户端进行显示，包括：
将所述学习资源以列表形式在所述学习者的客户端进行显示，或者，将所述学习资源按照知识点为一级列表、所述学习资源而二级列表的形式在所述学习者的客户端进行显示。
可选地，所述客户端包括PC端和/或移动端。
本申请的第二方面提供了一种在线教育平台，所述在线教育平台包括如前任一项所述的基于内容标签的知识库推荐系统。
本发明的有益效果在于：相对于现有技术中采用知识图谱来对知识库中的知识进行标签绘制的方法，本申请的技术方案采用的方案是基于学习者的学习资源检索记录及学习者的成绩水平来给对应的知识匹配内容标签。本申请获得的内容标签实际上是从学习者的角度进行绘制的，如此设置，既避免了知识图谱算法需要对数以亿级的知识点进行前期处理的处理复杂度，又可以使得绘制出的标签更加符合学习者的实际使用体验。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本申请实施例一公开的一种基于内容标签的知识库推荐系统的流程示意图。
图2是本申请实施例二公开的在线教育平台的结构示意图。
图3是本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
实施例1
请参阅图1，图1是本申请实施例公开的一种基于内容标签的知识库推荐系统的流程示意图。如图1所示，本申请的第一方面提供了一种基于内容标签的知识库推荐系统，所述系统包括获取模块、内容标签制定模块、推送模块；
所述获取模块，用于获取学习者的学习历史记录，所述学习历史记录包括学习者身份信息、学习资源检索记录、测试成绩，并传送给所述内容标签制定模块；
所述内容标签制定模块，用于基于所述学习者的学习历史记录绘制出知识点的内容标签，并将所述内容标签传送给所述推送模块；
所述推送模块，用于基于学习者的所述学习历史记录和所述内容标签匹配出对应的学习资源，将所述学习资源推送至所述学习者的客户端进行显示。
在本申请实施例中，本申请的方案与现有技术中采用知识图谱来对知识库中的知识进行标签绘制的方法的区别主要在于：基于学习者的学习资源检索记录及学习者的成绩水平来给对应的知识匹配内容标签。也就是说，本申请获得的内容标签实际上是从学习者的角度进行绘制的，如此设置，既避免了知识图谱算法需要对数以亿级的知识点进行前期处理的处理复杂度，又可以使得绘制出的标签更加符合学习者的实际使用体验。
可选地，所述基于所述学习者的学习历史记录绘制出知识点的内容标签，包括：
提取所有所述学习者的学习历史记录中的学习者身份信息和测试成绩，通过聚类算法一将其按学龄分为不同等级；提取所有所述学习者的学习历史记录中的学习资源检索记录，采用聚类算法二对学习资源检索记录进行聚类操作，以提取出其中的若干知识点；建立所述若干知识点整体与所述等级的对应关系，其中，所述等级即为内容标签。
在本申请实施例中，基于不同学习水平等级的所有学习者对各种学习资源的检索记录来建立等级与知识点之间的关联关系，于是，后续就可以利用该关联关系来确定出与指定学习者相匹配的知识点。其中，为了使得学习等级更有实用价值，本申请对学习等级是按学龄进行划分的，例如，小学三年级——A/B/C/D等级。具体等级划分方式也可以为其他形式，本领域技术人员可以根据设计需要自行设定，本申请对此不作限定。
可选地，所说聚类算法为K-means聚类算法、均值漂移聚类算法、DBSCAN聚类算法、凝聚层次聚类算法、混合高斯模型的最大期望聚类算法中的一种或多种。
在本申请实施例中，本领域技术人员可以任意选择上述聚类算法，既可以采用单一聚类算法，也可以采用组合式聚类算法，以及，对于聚类算法一和聚类算法二，既可以采用相同的聚类算法/算法组合，也可以采用不同的聚类算法/算法组合，本申请对此不作限定。
可选地，基于学习者的所述学习历史记录和所述内容标签匹配出对应的学习资源，包括：
对于指定的学习者，从其学习历史记录中提取出测试成绩，将所述测试成绩与所述的等级进行匹配，以确定出对应的所述等级；将所述等级与所述内容标签进行匹配，以获得对应的若干知识点；基于所述知识点从知识库中匹配出对应的学习资源。
在本申请实施例中，该步骤属于关联关系的应用阶段，即在前述已经基于所有学习者的大数据建立了学习等级水平与知识点之间的关联关系的基础上，对于指定的单个学习者来说，先基于其测试成绩匹配得出其所属的学习等级水平，据此即可进一步匹配得出适于该学习者的知识点，其中的知识点并非单一知识点，而是知识点群。接着，再基于预设的单一知识点/知识点组与各学习资源的对应关系，就可以将适于该学习者进行学习的学习资源匹配出来。
其中，对于单一知识点/知识点组与各学习资源的对应关系的确定方式，既可以由人工凭经验标定，也可以采用自动预设方法，例如，先采用知识图谱方法获得若干知识点，然后对各学习资源进行聚类，得出各学习资源中涉及的知识点(例如特定知识点的名字)，接着采用关联算法即可建立二者的关联关系。
可选地，所述推送模块，还用于对所述学习资源进行排序。
可选地，所述对所述学习资源进行排序，包括：
基于所述学习资源中每一个学习资源的被检索次数和检索该每一个学习资源的所述学习者的所述等级确定所述学习资源中每一个学习资源的匹配度值，基于所述匹配度值按从高到低对所述每一个学习资源进行排序。
可选地，基于所述学习资源中每一个学习资源的被检索次数和检索该每一个学习资源的所述学习者的所述等级确定所述学习资源中每一个学习资源的匹配度值，包括：
对所述检索次数和所述等级分别设置归一化计算值，以及给所述归一化计算值分别设置加权权重，基于所述归一化值和所述加权权重确定所述学习资源匹配度值。
在本申请实施例中，单一知识点通常会对应着许多的学习资源，显然，需要对初始匹配出的学习资源进行排序筛选，否则难以起到有效辅助学习者制定学习计划的目的。在具体排序时，同时基于检索次数和学习者的等级进行，如此设置的原因为：被检索次数多，说明该学习资源所对应的知识点在该学龄中是比较重要的；检索者的学习等级水平与本学习者越接近，说明该学习资源与本学习者的适合度越高。同时，为了实现加权求和，还需要对检索次数和所述等级预先进行归一化，然后再进行加权求和。另外，对于加权权重，可以由本领域技术人员根据实际设置需要设置，例如，当该学习者为初学者(例如刚升入该年级的新生)时，可设置检索次数的权重更大，以将该学龄的重要内容推送给该学习者，如此设置也是考虑到同学龄的学习者也均是刚开始学习，学习等级水平的横向参考意义不大；当该学习者为非初学者时，可设置所述等级的权重更大，以使其能够获得更适合自身的学习内容。
可选地，所述将所述学习资源推送至所述学习者的客户端进行显示，包括：
将所述学习资源以列表形式在所述学习者的客户端进行显示，或者，将所述学习资源按照知识点为一级列表、所述学习资源而二级列表的形式在所述学习者的客户端进行显示。
在本申请实施例中，除上述显示方式以外，还可以是其它显示方式，例如，还可以是将基于所述学习资源指定得出的学习计划直接显示给学习者。
可选地，所述客户端包括PC端和/或移动端。
在本申请实施例中，客户端可以有多种实现方式，既可以是PC端和/或移动端，也可以是其他新兴终端，例如可穿戴设备、VR设备等，本申请对此不作限定。
实施例2
请参阅图2，图2是本申请实施例公开的一种在线教育平台的结构示意图。如图2所示，本申请第三方面提供一种在线教育平台，所述在线教育平台包括如实施例一所述的基于内容标签的知识库推荐系统。
实施例3
请参阅图3，图3是本申请实施例公开的一种电子设备，所述电子设备应用于所述在线教育平台，所述电子设备包括如实施例一所述的基于内容标签的知识库推荐系统。
实施例4
本申请实施例还提供的另外一种电子设备，所述电子设备应用于所述在线教育平台，所述电子设备包括存储器和处理器，其中所述存储器中存储有计算机程序，所述计算机程序在被所述处理器执行时实现如实施例一所述的基于内容标签的知识库推荐系统。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于内容标签的知识库推荐系统，其特征在于：所述系统包括获取模块、内容标签制定模块、推送模块；
所述获取模块，用于获取学习者的学习历史记录，所述学习历史记录包括学习者身份信息、学习资源检索记录、测试成绩，并传送给所述内容标签制定模块；
所述内容标签制定模块，用于基于所述学习者的学习历史记录绘制出知识点的内容标签，并将所述内容标签传送给所述推送模块；
所述推送模块，用于基于学习者的所述学习历史记录和所述内容标签匹配出对应的学习资源，将所述学习资源推送至所述学习者的客户端进行显示。
2.根据权利要求1所述的系统，其特征在于：所述基于所述学习者的学习历史记录绘制出知识点的内容标签，包括：
提取所有所述学习者的学习历史记录中的学习者身份信息和测试成绩，通过聚类算法一将其按学龄分为不同等级；提取所有所述学习者的学习历史记录中的学习资源检索记录，采用聚类算法二对学习资源检索记录进行聚类操作，以提取出其中的若干知识点；建立所述若干知识点整体与所述等级的对应关系，其中，所述等级即为内容标签。
3.根据权利要求2所述的系统，其特征在于：所述聚类算法一、二为K-means聚类算法、均值漂移聚类算法、DBSCAN聚类算法、凝聚层次聚类算法、混合高斯模型的最大期望聚类算法中的一种或多种。
4.根据权利要求1所述的系统，其特征在于：基于学习者的所述学习历史记录和所述内容标签匹配出对应的学习资源，包括：
对于指定的学习者，从其学习历史记录中提取出测试成绩，将所述测试成绩与所述的等级进行匹配，以确定出对应的所述等级；将所述等级与所述内容标签进行匹配，以获得对应的若干知识点；基于所述知识点从知识库中匹配出对应的学习资源。
5.根据权利要求4所述的系统，其特征在于：所述推送模块，还用于对所述学习资源进行排序。
6.根据权利要求5所述的系统，其特征在于：所述对所述学习资源进行排序，包括：
基于所述学习资源中每一个学习资源的被检索次数和检索该每一个学习资源的所述学习者的所述等级确定所述学习资源中每一个学习资源的匹配度值，基于所述匹配度值按从高到低对所述每一个学习资源进行排序。
7.根据权利要求6所述的系统，其特征在于：基于所述学习资源中每一个学习资源的被检索次数和检索该每一个学习资源的所述学习者的所述等级确定所述学习资源中每一个学习资源的匹配度值，包括：
对所述检索次数和所述等级分别设置归一化计算值，以及给所述归一化计算值分别设置加权权重，基于所述归一化值和所述加权权重确定确定所述学习资源匹配度值。
8.根据权利要求1所述的系统，其特征在于：所述将所述学习资源推送至所述学习者的客户端进行显示，包括：
将所述学习资源以列表形式在所述学习者的客户端进行显示，或者，将所述学习资源按照知识点为一级列表、所述学习资源而二级列表的形式在所述学习者的客户端进行显示。
9.根据权利要求1-8任一项所述的系统，其特征在于：所述客户端包括PC端和/或移动端。
10.一种在线教育平台，其特征在于，所述在线教育平台包括如权利要求1-9任一项所述的基于内容标签的知识库推荐系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110063797.XA CN112784044A (zh) | 2021-01-18 | 2021-01-18 | 一种基于内容标签的知识库推荐系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110063797.XA CN112784044A (zh) | 2021-01-18 | 2021-01-18 | 一种基于内容标签的知识库推荐系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112784044A true CN112784044A (zh) | 2021-05-11 |
Family
ID=75757182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110063797.XA Pending CN112784044A (zh) | 2021-01-18 | 2021-01-18 | 一种基于内容标签的知识库推荐系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112784044A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140134061A (ko) * | 2013-05-13 | 2014-11-21 | 에스케이플래닛 주식회사 | 학습 컨텐츠 제공 방법, 이를 위한 시스템 및 장치 |
| CN109460516A (zh) * | 2018-11-16 | 2019-03-12 | 广东小天才科技有限公司 | 一种学习内容推荐方法及系统 |
| CN109902128A (zh) * | 2019-01-17 | 2019-06-18 | 平安科技（深圳）有限公司 | 基于大数据的学习路径规划方法、装置、设备和存储介质 |
| CN111475716A (zh) * | 2020-03-26 | 2020-07-31 | 威比网络科技(上海)有限公司 | 在线课程推荐方法、系统、设备及存储介质 |
| CN111737570A (zh) * | 2020-06-10 | 2020-10-02 | 之江实验室 | 多模态在线学习资源网络推荐系统及其推荐方法 |
| CN112214670A (zh) * | 2020-10-09 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 一种在线课程推荐方法、装置、电子设备及存储介质 |
-
2021
- 2021-01-18 CN CN202110063797.XA patent/CN112784044A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140134061A (ko) * | 2013-05-13 | 2014-11-21 | 에스케이플래닛 주식회사 | 학습 컨텐츠 제공 방법, 이를 위한 시스템 및 장치 |
| CN109460516A (zh) * | 2018-11-16 | 2019-03-12 | 广东小天才科技有限公司 | 一种学习内容推荐方法及系统 |
| CN109902128A (zh) * | 2019-01-17 | 2019-06-18 | 平安科技（深圳）有限公司 | 基于大数据的学习路径规划方法、装置、设备和存储介质 |
| CN111475716A (zh) * | 2020-03-26 | 2020-07-31 | 威比网络科技(上海)有限公司 | 在线课程推荐方法、系统、设备及存储介质 |
| CN111737570A (zh) * | 2020-06-10 | 2020-10-02 | 之江实验室 | 多模态在线学习资源网络推荐系统及其推荐方法 |
| CN112214670A (zh) * | 2020-10-09 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 一种在线课程推荐方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111179675B (zh) | 个性化练习题推荐方法、系统、计算机设备以及存储介质 | |
| US10922991B2 (en) | Cluster analysis of participant responses for test generation or teaching | |
| CN110543592B (zh) | 信息搜索方法、装置以及计算机设备 | |
| CN110210286A (zh) | 基于眼底图像的异常识别方法、装置、设备及存储介质 | |
| CN113486203B (zh) | 基于问答平台的数据处理方法、装置及相关设备 | |
| CN108874861A (zh) | 一种教学大数据可视化分析系统及方法 | |
| CN111126486A (zh) | 一种测验统计方法、装置、设备及存储介质 | |
| Sizmur et al. | Achievement of 15-year-olds in England: PISA 2018 results | |
| CN113641794A (zh) | 简历文本的评估方法、装置及服务器 | |
| US11416558B2 (en) | System and method for recommending personalized content using contextualized knowledge base | |
| CN110609947A (zh) | 智能学习系统的学习内容推荐方法、终端及存储介质 | |
| CN111597305A (zh) | 实体标记方法、装置、计算机设备和存储介质 | |
| KR101763390B1 (ko) | 문제풀이 과정을 계층별로 나누어 시각화시키는 추론과정 전개도 서비스 장치 및 방법 | |
| CN112784044A (zh) | 一种基于内容标签的知识库推荐系统 | |
| CN111930908A (zh) | 基于人工智能的答案识别方法及装置、介质、电子设备 | |
| CN116610784A (zh) | 一种保险业务场景问答推荐方法及其相关设备 | |
| CN116109454A (zh) | 能力评测中题目难度的确定方法、装置、设备及存储介质 | |
| Zhang et al. | Wild plant data collection system based on distributed location | |
| CN112784895A (zh) | 一种基于用户画像标签的教学系统 | |
| CN116416522A (zh) | 植物物种确定方法、装置及计算机可读存储介质 | |
| CN114936809A (zh) | 一种基于大数据的考试成绩数据处理系统及终端机 | |
| CN111078972B (zh) | 提问行为数据的获取方法、装置和服务器 | |
| CN113934838A (zh) | 一种根据题目难易程度组卷的方法、设备及存储介质 | |
| CN112164262A (zh) | 一种智能阅卷辅导系统 | |
| CN112396923A (zh) | 一种市场营销的教学模拟系统 |
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: 20211027 Address after: 250011 617-11, block a, Shimao International Plaza, 187 heihuquan North Road, Lixia District, Jinan City, Shandong Province Applicant after: Jinan Wanyu Zhongwen Internet Technology Co.,Ltd. Applicant after: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd. Address before: Room c418, 860-1, shangshengou village, Dongling District, Shenyang City, Liaoning Province, 110000 Applicant before: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230619 Address after: Room c418, No. 860-1, shangshengou village, Dongling District, Shenyang, Liaoning 110167 Applicant after: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd. Address before: 250011 617-11, block a, Shimao International Plaza, 187 heihuquan North Road, Lixia District, Jinan City, Shandong Province Applicant before: Jinan Wanyu Zhongwen Internet Technology Co.,Ltd. Applicant before: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: No. 868-3, Shangshengou Village, Hunnan District, Shenyang City, Liaoning Province, 110000 (101, 201) Applicant after: Liaoning Sunflower Digital Technology Co.,Ltd. Address before: Room c418, No. 860-1, shangshengou village, Dongling District, Shenyang, Liaoning 110167 Applicant before: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd. Country or region before: China |