CN114065011A - 一种基于人工智能的在线学习系统及方法 - Google Patents
一种基于人工智能的在线学习系统及方法 Download PDFInfo
- Publication number
- CN114065011A CN114065011A CN202010745964.4A CN202010745964A CN114065011A CN 114065011 A CN114065011 A CN 114065011A CN 202010745964 A CN202010745964 A CN 202010745964A CN 114065011 A CN114065011 A CN 114065011A
- Authority
- CN
- China
- Prior art keywords
- user
- test content
- unit
- test
- recommended
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 33
- 238000012360 testing method Methods 0.000 claims abstract description 94
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing 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
- G06F16/90—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于人工智能的在线学习系统及方法，涉及在线学习技术领域，所述系统包括：教育提供单元，用于经由网络，利用至少一个教学服务模块为用户提供教育服务，其中教学服务模块包括：人工智能评估单元，用于评估用户的兴趣，得到评估的兴趣结果；测试发送单元，用于根据兴趣结果每个预定阶段向用户发送测试，并且提示用户发出测试答案，其中所述测试与所述教学服务模块相关；评估单元，用于经由网络接收来自于用户的答案以对其进行评估；和评估发送单元，用于将由评估单元得出的评估结果发送给用户。具有智能化程度高和高效的优点。
Description
技术领域
本发明涉及在线学习技术领域，特别是涉及一种基于人工智能的在线学习系统及方法。
背景技术
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。[1]2017年12月，人工智能入选“2017年度中国媒体十大流行语”。
远程教育是采取多种媒体方式进行系统教学和通信联系的教育形式，是将课程传送给校园外的一处或多处学生的教育。现代远程教育则是指通过音频、视频(直播或录像)以及包括实时和非实时在内的计算机技术把课程传送的教育。现代远程教育是随着现代信息技术的发展而产生的一种新型教育方式。计算机技术、多媒体技术、通信技术的发展，特别是因特网(internet)的迅猛发展，使远程教育的手段有了质的飞跃，成为高新技术条件下的远程教育。现代远程教育是以现代远程教育手段为主，兼容面授、函授和自学等传统教学形式，多种媒体优化组合的教育方式。
现有的在线教育，都是通过学员自己选择适合自己的课程，而学员在缺乏了解的情况下，选择的课程和测试通常不是很适合自己。如果能研发一种智能化推荐学习和测试内容的在线学习系统和方法，将具有很高的现实意义。
发明内容
鉴于此，本发明的目的是提供一种基于人工智能的在线学习系统及方法，具有智能化程度高和高效的优点。
为了实现上述目的，本发明采用如下技术方案：
一种基于人工智能的在线学习系统，所述系统包括：教育提供单元，用于经由网络，利用至少一个教学服务模块为用户提供教育服务，其中教学服务模块包括：人工智能评估单元，用于评估用户的兴趣，得到评估的兴趣结果；测试发送单元，用于根据兴趣结果每个预定阶段向用户发送测试，并且提示用户发出测试答案，其中所述测试与所述教学服务模块相关；评估单元，用于经由网络接收来自于用户的答案以对其进行评估；和评估发送单元，用于将由评估单元得出的评估结果发送给用户。
进一步的，所述人工智能评估单元包括：第一获取单元，用于获取待推荐测试内容的分类标签，所述待推荐测试内容的分类标签为一个或多个；第一匹配单元，用于检索用户数据库中存储的用户与分类标签的关联信息，得到待推荐用户，所述待推荐用户关联的分类标签中包含一个或多个所述待推荐测试内容的分类标签；第一推荐单元，用于将所述待推荐测试内容推荐给所述待推荐用户。
进一步的，还包括：第二获取单元，用于在用户对测试内容进行操作时，获取当前操作的测试内容的分类标签；第一生成单元，用于根据当前操作的测试内容的分类标签，生成用户与当前操作的测试内容的分类标签的关联信息；第一判断单元，用于判断所述用户数据库中是否已存储有所述关联信息；第一更新单元，用于当所述用户数据库中未存储所述关联信息时，将所述关联信息更新到所述用户数据库中。
进一步的，还包括：第三获取单元，用于在用户对测试内容进行操作时，获取用户对当前操作的测试内容的操作信息；第二生成单元，用于根据所述操作信息，获取用户与当前操作的测试内容的分类标签的爱好关联系数；第二更新单元，用于将所述爱好关联系数更新到所述关联信息中。
一种基于人工智能的在线学习方法，所述方法执行以下步骤：步骤1：评估用户的兴趣，得到评估的兴趣结果；步骤2：根据兴趣结果每个预定阶段向用户发送测试，并且提示用户发出测试答案；步骤3：经由网络接收来自于用户的答案以对其进行评估；步骤4：将评估结果发送给用户。
进一步的，所述评估用户的兴趣，得到评估的兴趣结果的方法执行以下步骤：获取待推荐测试内容的分类标签，所述待推荐测试内容的分类标签为一个或多个；所述测试内容推荐系统检索用户数据库中存储的用户与分类标签的关联信息，得到待推荐用户，所述待推荐用户关联的分类标签中包含一个或多个所述待推荐测试内容的分类标签；所述测试内容推荐系统将所述待推荐测试内容推荐给所述待推荐用户。
进一步的，所述方法还包括：在用户对测试内容进行操作时，所述测试内容推荐系统获取当前操作的测试内容的分类标签；所述测试内容推荐系统根据当前操作的测试内容的分类标签，生成用户与当前操作的测试内容的分类标签的关联信息；所述测试内容推荐系统判断所述用户数据库中是否已存储有所述关联信息；当所述用户数据库中未存储所述关联信息时，所述测试内容推荐系统将所述关联信息更新到所述用户数据库中。
与现有技术相比，本发明实现的有益效果：本发明通过对用户进行兴趣分析，推荐更为适合的测试内容和学习内容给用户，实现了学习的个性化。智能化程度高，同时本发明整个系统和方法实现均通过人工智能自动实现，实现效率高。
附图说明
以下结合附图和具体实施方式来进一步详细说明本发明：
图1为本发明实施例公开的基于人工智能的在线学习系统的系统结构示意图。
图2为本发明实施例公开的基于人工智能的在线学习方法的方法流程示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
请参阅图1。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用于配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用于限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用于限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
实施例1
一种基于人工智能的在线学习系统，所述系统包括：教育提供单元，用于经由网络，利用至少一个教学服务模块为用户提供教育服务，其中教学服务模块包括：人工智能评估单元，用于评估用户的兴趣，得到评估的兴趣结果；测试发送单元，用于根据兴趣结果每个预定阶段向用户发送测试，并且提示用户发出测试答案，其中所述测试与所述教学服务模块相关；评估单元，用于经由网络接收来自于用户的答案以对其进行评估；和评估发送单元，用于将由评估单元得出的评估结果发送给用户。
具体的，推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西，目前应用推荐算法比较好的地方主要是网络，其中淘宝做的比较好。所谓推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。
实施例2
在上一实施例的基础上，所述人工智能评估单元包括：第一获取单元，用于获取待推荐测试内容的分类标签，所述待推荐测试内容的分类标签为一个或多个；第一匹配单元，用于检索用户数据库中存储的用户与分类标签的关联信息，得到待推荐用户，所述待推荐用户关联的分类标签中包含一个或多个所述待推荐测试内容的分类标签；第一推荐单元，用于将所述待推荐测试内容推荐给所述待推荐用户。
具体的，个性化推荐概念的首次出现是在1995年3月的美国人工智能协会上，由卡耐基梅隆大学的Robert Armstrong等提出了个性化导航系统Web Watcher。同时，斯坦福大学的Marko balabanovic等也推出了LIRA——一个个性化推荐系统。自此之后，个性化推荐的研究开始蓬勃发展。
实施例3
在上一实施例的基础上，还包括：第二获取单元，用于在用户对测试内容进行操作时，获取当前操作的测试内容的分类标签；第一生成单元，用于根据当前操作的测试内容的分类标签，生成用户与当前操作的测试内容的分类标签的关联信息；第一判断单元，用于判断所述用户数据库中是否已存储有所述关联信息；第一更新单元，用于当所述用户数据库中未存储所述关联信息时，将所述关联信息更新到所述用户数据库中。
实施例4
在上一实施例的基础上，还包括：第三获取单元，用于在用户对测试内容进行操作时，获取用户对当前操作的测试内容的操作信息；第二生成单元，用于根据所述操作信息，获取用户与当前操作的测试内容的分类标签的爱好关联系数；第二更新单元，用于将所述爱好关联系数更新到所述关联信息中。
具体的，基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展，它是建立在项目的内容信息上做出推荐的，而不需要依据用户对项目的评价意见，更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。
在基于内容的推荐系统中，项目或对象是通过相关特征的属性来定义的，系统基于用户评价对象的特征、学习用户的兴趣，考察用户资料与待预测项目的匹配程度。用户的资料模型取决于所用的学习方法，常用的有决策树、神经网络和基于向量的表示方法等。基于内容的用户资料需要有用户的历史数据，用户资料模型可能随着用户的偏好改变而发生变化。
基于内容的推荐与基于人口统计学的推荐有类似的地方，只不过系统评估的中心转到了物品本身，使用物品本身的相似度而不是用户的相似度来进行推荐。
基于内容的推荐算法的优势在于：对用户兴趣可以很好地建模，并通过对物品属性维度的增加，获得更好的推荐精度。而不足之处就在于：①物品的属性有限，很难有效得到更多数据；②物品相似度的衡量标准只考虑到了物品本身，有一定的片面性；⑨需要用户的物品的历史数据，有冷启动的问题。
实施例5
如图2所示，一种基于人工智能的在线学习方法，所述方法执行以下步骤：步骤1：评估用户的兴趣，得到评估的兴趣结果；步骤2：根据兴趣结果每个预定阶段向用户发送测试，并且提示用户发出测试答案；步骤3：经由网络接收来自于用户的答案以对其进行评估；步骤4：将评估结果发送给用户。
具体的，推荐算法已经应用到了各个领域的网站中，包括图书、音乐、视频、新闻、电影、地图等等。而电子商务的应用近年来逐渐普及，Amazoncom，ebay.com，Staples.com，当当网，豆瓣图书，淘宝网等都使用了电子商务推荐系统，推荐系统不止给这些互联网商家带来了巨大的附加利益，同时也提高了用户满意度，增加了用户黏性。
实施例6
在上一实施例的基础上，所述评估用户的兴趣，得到评估的兴趣结果的方法执行以下步骤：获取待推荐测试内容的分类标签，所述待推荐测试内容的分类标签为一个或多个；所述测试内容推荐系统检索用户数据库中存储的用户与分类标签的关联信息，得到待推荐用户，所述待推荐用户关联的分类标签中包含一个或多个所述待推荐测试内容的分类标签；所述测试内容推荐系统将所述待推荐测试内容推荐给所述待推荐用户。
实施例7
在上一实施例的基础上，所述方法还包括：在用户对测试内容进行操作时，所述测试内容推荐系统获取当前操作的测试内容的分类标签；所述测试内容推荐系统根据当前操作的测试内容的分类标签，生成用户与当前操作的测试内容的分类标签的关联信息；所述测试内容推荐系统判断所述用户数据库中是否已存储有所述关联信息；当所述用户数据库中未存储所述关联信息时，所述测试内容推荐系统将所述关联信息更新到所述用户数据库中。
需要说明的是，上述实施例提供的系统，仅以上述各功能单元的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能单元来完成，即将本发明实施例中的单元或者步骤再分解或者组合，例如，上述实施例的单元可以合并为一个单元，也可以进一步拆分成多个子单元，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的单元、步骤的名称，仅仅是为了区分各个单元或者步骤，不视为对本发明的不当限定。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储单元、处理单元的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的单元、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件单元、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD～ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/单元不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/单元所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (7)
1.一种基于人工智能的在线学习系统，其特征在于，所述系统包括：教育提供单元，用于经由网络，利用至少一个教学服务模块为用户提供教育服务，其中教学服务模块包括：人工智能评估单元，用于评估用户的兴趣，得到评估的兴趣结果；测试发送单元，用于根据兴趣结果每个预定阶段向用户发送测试，并且提示用户发出测试答案，其中所述测试与所述教学服务模块相关；评估单元，用于经由网络接收来自于用户的答案以对其进行评估；和评估发送单元，用于将由评估单元得出的评估结果发送给用户。
2.如权利要求1所述的系统，其特征在于，所述人工智能评估单元包括：第一获取单元，用于获取待推荐测试内容的分类标签，所述待推荐测试内容的分类标签为一个或多个；第一匹配单元，用于检索用户数据库中存储的用户与分类标签的关联信息，得到待推荐用户，所述待推荐用户关联的分类标签中包含一个或多个所述待推荐测试内容的分类标签；第一推荐单元，用于将所述待推荐测试内容推荐给所述待推荐用户。
3.如权利要求2所述的系统，其特征在于，还包括：第二获取单元，用于在用户对测试内容进行操作时，获取当前操作的测试内容的分类标签；第一生成单元，用于根据当前操作的测试内容的分类标签，生成用户与当前操作的测试内容的分类标签的关联信息；第一判断单元，用于判断所述用户数据库中是否已存储有所述关联信息；第一更新单元，用于当所述用户数据库中未存储所述关联信息时，将所述关联信息更新到所述用户数据库中。
4.如权利要求3所述的系统，其特征在于，还包括：第三获取单元，用于在用户对测试内容进行操作时，获取用户对当前操作的测试内容的操作信息；第二生成单元，用于根据所述操作信息，获取用户与当前操作的测试内容的分类标签的爱好关联系数；第二更新单元，用于将所述爱好关联系数更新到所述关联信息中。
5.一种基于权利要求1至4之一所述系统的基于人工智能的在线学习方法，其特征在于，所述方法执行以下步骤：步骤1：评估用户的兴趣，得到评估的兴趣结果；步骤2：根据兴趣结果每个预定阶段向用户发送测试，并且提示用户发出测试答案；步骤3：经由网络接收来自于用户的答案以对其进行评估；步骤4：将评估结果发送给用户。
6.如权利要求5所述的方法，其特征在于，所述评估用户的兴趣，得到评估的兴趣结果的方法执行以下步骤：获取待推荐测试内容的分类标签，所述待推荐测试内容的分类标签为一个或多个；所述测试内容推荐系统检索用户数据库中存储的用户与分类标签的关联信息，得到待推荐用户，所述待推荐用户关联的分类标签中包含一个或多个所述待推荐测试内容的分类标签；所述测试内容推荐系统将所述待推荐测试内容推荐给所述待推荐用户。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：在用户对测试内容进行操作时，所述测试内容推荐系统获取当前操作的测试内容的分类标签；所述测试内容推荐系统根据当前操作的测试内容的分类标签，生成用户与当前操作的测试内容的分类标签的关联信息；所述测试内容推荐系统判断所述用户数据库中是否已存储有所述关联信息；当所述用户数据库中未存储所述关联信息时，所述测试内容推荐系统将所述关联信息更新到所述用户数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010745964.4A CN114065011A (zh) | 2020-07-29 | 2020-07-29 | 一种基于人工智能的在线学习系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010745964.4A CN114065011A (zh) | 2020-07-29 | 2020-07-29 | 一种基于人工智能的在线学习系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114065011A true CN114065011A (zh) | 2022-02-18 |
Family
ID=80227052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010745964.4A Pending CN114065011A (zh) | 2020-07-29 | 2020-07-29 | 一种基于人工智能的在线学习系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114065011A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170161279A1 (en) * | 2015-12-08 | 2017-06-08 | International Business Machines Corporation | Content Authoring |
| CN108664649A (zh) * | 2018-05-17 | 2018-10-16 | 深圳习习网络科技有限公司 | 知识内容推送方法、装置和推送服务器 |
| CN109146741A (zh) * | 2018-09-07 | 2019-01-04 | 广东电网有限责任公司 | 一种基于能力测评的课程推送方法、装置及设备 |
| US20200045122A1 (en) * | 2018-08-06 | 2020-02-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for pushing information |
| CN110766326A (zh) * | 2019-10-24 | 2020-02-07 | 深圳小蛙出海科技有限公司 | 试题推送、评测训练方法及计算机装置、系统及打印终端 |
| US20200084487A1 (en) * | 2018-09-07 | 2020-03-12 | Delta Electronics, Inc. | System and method for recommending multimedia data |
-
2020
- 2020-07-29 CN CN202010745964.4A patent/CN114065011A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170161279A1 (en) * | 2015-12-08 | 2017-06-08 | International Business Machines Corporation | Content Authoring |
| CN108664649A (zh) * | 2018-05-17 | 2018-10-16 | 深圳习习网络科技有限公司 | 知识内容推送方法、装置和推送服务器 |
| US20200045122A1 (en) * | 2018-08-06 | 2020-02-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for pushing information |
| CN109146741A (zh) * | 2018-09-07 | 2019-01-04 | 广东电网有限责任公司 | 一种基于能力测评的课程推送方法、装置及设备 |
| US20200084487A1 (en) * | 2018-09-07 | 2020-03-12 | Delta Electronics, Inc. | System and method for recommending multimedia data |
| CN110766326A (zh) * | 2019-10-24 | 2020-02-07 | 深圳小蛙出海科技有限公司 | 试题推送、评测训练方法及计算机装置、系统及打印终端 |
Non-Patent Citations (1)
| Title |
|---|
| 周明建;廖强;: "基于属性相似度的知识推送", 计算机工程与应用, no. 32 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112214685B (zh) | 一种基于知识图谱的个性化推荐方法 | |
| CN111859160B (zh) | 一种基于图神经网络会话序列推荐方法及系统 | |
| CN112015998B (zh) | 一种基于用户画像的商品推荐方法 | |
| US20090259606A1 (en) | Diversified, self-organizing map system and method | |
| CN101346718A (zh) | 用于向用户提供选定内容项的方法 | |
| CN101859313A (zh) | 信息处理设备和方法及其程序 | |
| CN106484766B (zh) | 基于人工智能的搜索方法和装置 | |
| CN108121800A (zh) | 基于人工智能的信息生成方法和装置 | |
| CN107147560A (zh) | 数据分享方法及装置 | |
| CN109903127A (zh) | 一种群组推荐方法、装置、存储介质及服务器 | |
| CN113886567A (zh) | 一种基于知识图谱的教学方法及系统 | |
| CN112131472A (zh) | 信息推荐方法、装置、电子设备和存储介质 | |
| CN108664932A (zh) | 一种基于多源信息融合的学习情感状态识别方法 | |
| CN115131698B (zh) | 视频属性确定方法、装置、设备及存储介质 | |
| CN114936301B (zh) | 智能家居建材数据的管理方法、装置、设备及存储介质 | |
| Zhong et al. | Design of a personalized recommendation system for learning resources based on collaborative filtering | |
| CN109101309A (zh) | 用于更新用户界面方法和装置 | |
| CN106326486B (zh) | 基于人工智能的推送信息的方法和装置 | |
| US20120124049A1 (en) | Profile analysis system | |
| CN115718845A (zh) | 一种基于大数据的用户定制服务方法及系统 | |
| CN114398909A (zh) | 用于对话训练的问题生成方法、装置、设备和存储介质 | |
| CN116701791B (zh) | 基于人工智能的课程推荐方法及系统 | |
| Vembu et al. | A self-organizing map based knowledge discovery for music recommendation systems | |
| Salehi et al. | Attribute-based recommender system for learning resource by learner preference tree | |
| CN108509442A (zh) | 搜索方法和装置、服务器以及计算机可读存储介质 |
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 |