CN114090733A - 学习资源推荐方法、装置、存储介质和电子设备 - Google Patents

Abstract

本公开涉及计算机技术领域，涉及了一种学习资源推荐方法及装置、存储介质和电子设备。方法包括：响应于用户触发的学习目标选择操作，按照预设推荐规则向用户推荐所述学习目标对应的初始习题集，所述初始习题集选自学习资源库；获取用户基于初始习题集中练习题生成的练习结果，并根据预设能力评估规则对练习结果进行评估，得到用户的训练能力值；将训练能力值与学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从学习资源库中获取符合预设推荐规则的目标训练习题；根据目标训练习题更新初始习题集并提供至用户。本公开结合用户选择需求、管理引导和用户学习情况，为用户实时推荐符合其能力极限的学习资源，提高用户自主学习效果。

Description

学习资源推荐方法、装置、存储介质和电子设备

技术领域

本公开涉及计算机技术领域，更具体地，涉及一种学习资源推荐方法、学习资源推荐装置、计算机存储介质和电子设备。

背景技术

随着计算机技术领域的发展，线上学习因具有灵活的空间、时间和方式等特点，受到越来越多人的青睐。为了迎合用户线上学习需求，越来越多的学习平台提供学习资源供用户自主学习，例如在培训考核习题，用户可以通过学习平台提供的培训考核习题进行模拟学习训练，而是否能使用户达到有效学习并提升能力，对学习平台提供学习资源的准确性提出更高要求。

相关技术中，用户在学习平台自主学习时，推荐的练习题是根据系统预先设置好规则展示全部或部分试题，或者支持将试题以乱序方式进行展示，而针对同一用户或不同用户，试题除了展示方式存在差异之外，用户每次学习的练习题是相同的，练习题不能根据不同用户灵活调整，对于同一用户也不能灵活调整，因此展示给用户的练习题并不适合当前用户的能力需求，从而导致用户花费大量时间进行了无效学习，不仅学习资源存在浪费，也无法真正实现自主学习提升用户能力的目的。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种学习资源推荐方法及装置、计算机存储介质和电子设备，进而至少在一定程度上避免了因提供的练习题无法匹配当前用户的能力需求而导致的无效学习等问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种学习资源推荐方法，包括：响应于用户触发的学习目标选择操作，按照预设推荐规则向所述用户推荐所述学习目标对应的初始习题集，所述初始习题集选自学习资源库；获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值；将所述训练能力值与所述学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从所述学习资源库中获取符合所述预设推荐规则的目标训练习题；根据所述目标训练习题更新所述初始习题集并提供至所述用户。

在本公开的一种示例性实施例中，所述获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值，包括：每隔设定周期获取所述用户在所述设定周期中基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户在所述设定周期内的训练能力值。

在本公开的一种示例性实施例中，所述获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值，包括：获取所述用户基于所述初始习题集中当前习题的练习结果；根据所述预设能力评估规则，对所述当前习题以及所述用户学习所述当前习题之前练习题所生成的练习结果进行评估，得到所述用户的训练能力值。

在本公开的一种示例性实施例中，所述获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值，包括：获取所述练习结果中结果正确的练习题所属的习题类型和类型权重，以及所述结果正确的练习题的难度值，其中所述类型权重用于标识每种所述习题类型的练习题在所述初始习题集中的占比；根据所述结果正确的练习题的难度值、结果正确的练习题所属的习题类型和类型权重，计算所述用户的训练能力值。

在本公开的一种示例性实施例中，所述根据所述结果正确的练习题的难度值、结果正确的练习题所属的习题类型和类型权重，计算所述用户的训练能力值，包括：针对每种习题类型，求取所述每种习题类型对应的结果正确的练习题的难度值之和，得到多个类型难度值；根据所述类型难度值、每种所述习题类型对应的类型权重，计算所述用户的训练能力值。

在本公开的一种示例性实施例中，所述根据所述目标训练习题更新所述初始习题集并提供至所述用户，包括：根据所述目标训练习题，更新所述初始习题集中所述练习结果对应练习题之后的练习题并提供至所述用户。

在本公开的一种示例性实施例中，所述响应于用户触发的学习目标选择操作，按照预设推荐规则向所述用户推荐所述学习目标对应的初始习题集，还包括：按照所述预设推荐规则生成所述初始习题集对应的测试习题集；所述方法还包括：在结束所述初始习题集的学习后，获取所述用户基于所述测试习题集生成的测试结果，并根据所述预设能力评估规则对所述测试结果进行评估，得到所述用户的测试能力值；将所述测试能力值与所述学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从所述学习资源库中获取符合所述预设推荐规则的目标测试习题；根据所述目标测试习题更新所述初始习题集和测试习题集，以用于所述用户进行下一轮次的学习。

在本公开的一种示例性实施例中，所述获取所述用户基于所述测试习题集生成的测试结果，并根据所述预设能力评估规则对所述测试结果进行评估，得到所述用户的测试能力值，包括：获取所述测试结果中结果正确的练习题所属的习题类型和类型权重，以及所述结果正确的练习题的难度值，其中所述类型权重用于标识每种所述习题类型的练习题在所述测试习题集中的占比；针对每种习题类型，求取所述每种习题类型对应的结果正确的练习题的难度值之和，得到多个类型难度值；根据所述类型难度值、每种所述习题类型对应的类型权重，计算所述用户的测试能力值。

在本公开的一种示例性实施例中，将能力值与所述学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从所述学习资源库中获取符合所述预设推荐规则的目标训练习题或目标测试习题的过程，包括：获取所述能力值与所述学习资源库中每道练习题对应的知识点难度值的差距值，所述能力值为训练能力值或测试能力值；将所述差距值小于或等于所述用户对应的预设能力阈值的练习题，确定为候选习题；从获取的全部的所述候选习题中，选择符合所述预设推荐规则的目标训练习题或目标测试习题。

在本公开的一种示例性实施例中，所述学习目标包括习题难度、习题类型和习题数量中的至少一个；所述响应于用户触发的学习目标选择操作，按照预设推荐规则向所述用户推荐所述学习目标对应的初始习题集，包括：响应于用户触发的习题难度、习题类型和习题数量中的至少一个的选择操作，按照预设推荐规则向所述用户推荐所述习题难度、习题类型和习题数量中的至少一个对应的初始习题集；其中，所述预设推荐规则用于指示初始习题集中练习题的排序、数量、难度和类型中的至少一种。

根据本公开的一个方面，提供一种学习资源推荐装置，所述装置包括：

习题推荐模块，用于响应于用户触发的学习目标选择操作，按照预设推荐规则向所述用户推荐所述学习目标对应的初始习题集，所述初始习题集选自学习资源库；能力评估模块，用于获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值；能力比对模块，用于将所述训练能力值与所述学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从所述学习资源库中获取符合所述预设推荐规则的目标训练习题；更新模块，用于根据所述目标训练习题更新所述初始习题集并提供至所述用户。

根据本公开的一个方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的学习资源推荐方法。

根据本公开的一个方面，提供一种电子设备，包括：一个或多个处理器；以及存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述任一项所述的学习资源推荐方法。

本公开的示例性实施例中的学习资源推荐方法，在检测到用户触发的学习目标选择操作时，按照预设推荐规则向用户推荐学习目标对应的初始习题集，然后获取用户基于初始习题集中练习题生成的练习结果，并根据预设能力评估规则对联系结果进行评估，得到用户的训练能力值，接着将训练能力值与学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从学习资源中获取符合预设推荐规则的目标训练习题，以根据目标训练习题更新初始习题集并提供至用户。

一方面，初始练习题是结合预设推荐规则与用户选择的学习目标综合得到，基于用户选择能够使初始习题集满足用户自我意识中对练习题的学习目标诉求，基于预设推荐规则能够使初始习题集符合引导用户学习方向的目的，从而使初始习题集既符合用户个性化需求，也具有引导用户自主学习方向的目的；另一方面，通过将用户基于历史学习的训练能力值与练习题对应的知识点难度值比较确定目标训练习题来更新初始习题集，使得更新后的初始习题始终接近用户能力极限，因此通过以接近能力极限的方式让用户循环往复参与学习，提高学习效果和效率，从而以循序渐进的方式提升用户能力；再一方面，用户学习过程中无需人工干预，通过用户学习过程产生的数据反哺重新确定目标训练习题更新初始习题集，是一种灵活高效的学习资源推荐方法，也有利于提高学习平台的用户留存。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：

图1示出了根据本公开示例性实施例的学习资源推荐方法的流程图；

图2示出了根据本公开示例性实施例的根据预设能力评估规则对练习结果进行评估得到用户的训练能力值的流程图；

图3示出了根据本公开示例性实施例的将训练能力值与学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从学习资源库中获取符合预设推荐规则的目标训练习题或目标习题的流程图；

图4示出了根据本公开示例性实施例的用户引导、用户需求以及基于用户历史学习的能力评估的结合示意图；

图5示出了根据本公开示例性实施例的在具体应用场景下的学习资源推荐方法流程图；

图6示出了根据本公开示例性实施例的学习资源推荐装置的结构示意图；

图7示出了根据本公开示例性实施例的存储介质的示意图；以及

图8示出了根据本公开示例性实施例的电子设备的框图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

现在将参考附图更全面地描述示例性实施方式。然而，示例性实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施例使得本公开将更加全面和完整，并将示例性实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

很多行业，例如教育、银行、保险、基金管理等，往往会要求学员或员工进行线上自主学习，或者因行业考核需求，用户也会通过学习平台提供的学习资源进行自主学习。然而，现有的学习平台虽然可以向用户提供大量练习题进行学习，除了练习题的展示方式(例如全部展示或部分展示)可以供用户选择外，同一用户在不同时间或不同用户之间，练习题均是固定不变的，因此展示给用户的练习题可能并不是真实符合当前用户的能力需求，从而导致用户进行了大量无效学习，能力难以进一步得到提升。

基于此，在本公开示例性实施例中，首先提供了一种学习资源推荐方法。参考图1所示，该学习资源推荐方法包括以下步骤：

步骤S110：响应于用户触发的学习目标选择操作，按照预设推荐规则向用户推荐学习目标对应的初始习题集，该初始习题集选自学习资源库；

步骤S120：获取用户基于初始习题集中练习题生成的练习结果，并根据预设能力评估规则对练习结果进行评估，得到用户的训练能力值；

步骤S130：将训练能力值与学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从学习资源库中获取符合预设推荐规则的目标训练习题；

步骤S140：根据目标训练习题更新初始习题集并提供至用户。

根据本公开示例性实施例中的学习资源推荐方法，初始练习题是结合预设推荐规则与用户选择的学习目标综合得到，基于用户选择能够使初始习题集满足用户自我意识中对练习题的学习目标诉求，基于预设推荐规则能够使初始习题集符合引导用户学习方向的目的，从而使初始习题集既符合用户个性化需求，也具有引导用户自主学习方向的目的；通过将用户基于历史学习的训练能力值与练习题对应的知识点难度值比较确定目标训练习题来更新初始习题集，使得更新后的初始习题始终接近满足能力极限，因此通过以接近能力极限的方式让用户循环往复参加学习，提高学习效果和效率，从而以循序渐进的方式提升用户能力；用户学习过程中能够无需人工干预，通过用户学习过程产生的数据反哺重新确定目标训练习题更新初始习题集，是一种灵活高效的学习资源推荐方法，也有利于提高学习平台的用户留存。

下面结合图1对本公开示例性实施例中的学习资源推荐方法进行说明。

在步骤S110中，响应于用户触发的学习目标选择操作，按照预设推荐规则向用户推荐学习目标对应的初始习题集。

在本公开的示例性实施例中，初始习题集选自学习资源库，学习资源库存储有本公开学习资源推荐方法所需的全部练习题，学习资源库可以为各学习平台(包括学习软件或网页版学习平台)独有的练习题库，也可以为不同平台共同维护的练习题库，本公开对此不做特殊限定；在一种可能的实施方式中，对学习资源库中每道练习题配置对应的知识点难度值，且，将学习资源库中的练习题划分为多个不同的习题类型，例如主管类、新人类、产品类，等等，本公开可根据实际学习资源库所属学习平台类型，对学习资源库中的练习题进行习题类型和知识点难度值的配置。学习目标包括习题难度、习题类型和习题数量中的至少一个，即用户可以同时选择一个或多个学习目标；预设推荐规则为预先配置的，用于指示初始习题集中练习题的排序、数量、难度和类型中的至少一种。

在一些可能的实施方式中，预设推荐规则指示初始习题集中练习题的总难度值以及各种习题类型在初始习题集中的占比。例如，预设推荐规则指示初始习题集的总难度值为7(以难度值在1～10为例)，且，主管类习题占比30％，新人类习题占比20％，产品类习题占比25％，晋升类习题占比25％。

在一些可能的实施方式中，预设推荐规则指示初始习题集中练习题的平均难度值以及各种习题类型在初始习题集中的占比。例如，预设推荐规则指示初始习题集中主管类习题占比30％，新人类习题占比20％，产品类习题占比25％，晋升类习题占比25％，且，初始习题集中练习题的平均难度值为5。

在一些可能的实施方式中，预设推荐规则指示初始习题集中各种习题类型的占比和每种习题类型对应的平均难度值。例如预设推荐规则指示初始习题集中主管类习题占比30％且该习题类型中练习题的平均难度值为5，新人类习题占比20％且该习题类型中练习题的平均难度值为4，产品类习题占比25％且该习题类型中练习题的平均难度值为5，晋升类习题占比25％且该习题类型中练习题的平均难度值为7。

在一些可能的实施方式中，预设推荐规则指示初始习题集中各种习题类型的占比、每种习题类型下每道练习题的难度值。例如，预设推荐规则指示初始习题集中主管类习题占比30％，新人类习题占比20％，产品类习题占比25％，晋升类习题占比25％，且，规定了初始习题中每道练习题的难度值。

在一些可能的实施方式中，预设推荐规则还用于指示初始习题集中的练习题按照难度值由大到小进行排序并展示给用户；或者，预设推荐规则用于指示初始习题集中的练习题按照难度值由小到大进行排序并展示给用户。

在本公开的示例性实施例中，响应于用户触发的习题难度、习题类型和习题数量中至少一个选择操作，按照预设推荐规则向用户推荐与习题难度、习题类型和习题数量中至少一个对应的初始习题集。

例如，若用户触发习题类型的选择操作，则按照预设推荐规则向用户推荐的初始习题集中的练习题的题目类型全部属于用户所选择的习题类型，用户未选择练习题的难度值，则按照预设推荐规则确定初始习题集中各个习题的难度值。又如，若用户触发习题类型的选择操作，则按照预设推荐规则向用户推荐的初始习题集中的具有预设占比的练习题的习题类型属于用户所选择的习题类型，而剩余部分的练习题则按照预设推荐规则选择，用户未选择练习题的难度值，则按照预设推荐规则确定初始习题集中各个习题的难度值。再如，若用户触发习题难度的选择操作(如选择简单维度)，则按照预设推荐规则向用户推荐的初始习题集的总难度值处于简单维度，而习题类型则按照预设推荐规则确定即可；或者，本公开的预设推荐规则可以包括已标记难易程度的多套习题，根据用户选择的习题难度，直接向用户提供对应难度的习题即可。

需要说明的是，以上仅是对用户触发的学习目标的选择操作进行示例性说明，凡根据用户触发的学习目标选择操作，按照预设推荐规则向用户推荐学习目标对应的初始习题集的，均属本公开的保护范围。

通过本示例性实施例，可以将用户自我意识中对某种习题类型、某种习题难度和习题数量的诉求，融合至所推荐的初始习题集中，能充分满足用户的个性化和自我认知需求，并且，初始习题集还同时符合预设推荐规则，对推荐至用户的初始习题集的习题类型、习题难度和习题排序进行主动引导，从而对用户的学习训练方向进行倾向性引导，提高学习训练的针对性。

在步骤S120中，获取用户基于初始习题集中练习题生成的练习结果，并根据预设能力评估规则对练习结果进行评估，得到用户的训练能力值。

在本公开的示例性实施例中，练习结果为用户对初始习题集中的练习题的答题结果，例如正确或错误；用户的训练能力值反映了用户在当前时刻对已学习练习题对应知识点的掌握程度，训练能力值越高，则表明该用户在当前时刻对已学习练习题对应知识点的掌握程度越高。

在一些可能的实施方式中，可以每隔设定周期获取用户在设定周期中基于初始习题集中练习题生成的练习结果，并根据预设能力评估规则对练习结果进行评估，得到用户在该设定周期内的训练能力值。其中，设定周期可以为1分钟、5分钟、8分钟等。例如，每隔5分钟，获取用户在该5分钟内对初始习题集中练习题的练习结果，并根据预设能力评估规则对练习结果进行评估，得到用户在该5分钟内的训练能力值；接着，在又间隔5分钟后，获取用户在该又间隔5分钟内对初始习题集中练习题的练习结果，并根据预设能力评估规则对练习结果进行评估，得到用户在该又间隔5分钟内的训练能力值，也就是说，每间隔5分钟获取一次练习结果，并根据预设能力评估规则对练习结果进行评估，得到一次训练能力值。基于此，可以按照设定周期获取一次用户的训练能力值，对用户能力进行实时把控。

在一些可能的实施方式中，可以获取用户基于初始习题集中当前习题的练习结果，并根据预设能力评估规则，对当前习题以及用户学习当前习题之前练习题所生成的全部练习结果进行评估，得到用户的训练能力值。

举例而言，获取用户对初始习题集中第20道练习题的练习结果，以及获取该第20道练习题之前的前19道练习题的练习结果，对得到的全部练习结果进行评估，得到用户的训练能力值。也就是说，用户每学完一道练习题，就根据预设能力评估规则，对已学习过的全部练习题对应的全部练习结果进行评估，得到用户在当前时刻的训练能力值。

通过本示例性实施方式，能够在用户每完成一道练习题时，对全部练习结果进行评估得到该用户当前时刻的训练能力值，使训练能力值具有实时性，以便随时掌握用户掌握知识点的能力程度。

进一步的，在本公开的示例性实施例中，在获取用户基于初始习题集中的练习题生成的练习结果后，根据预设能力评估规则对练习结果进行评估，得到所述用户的训练能力值。图2示出了根据本公开示例性实施例的根据预设能力评估规则对练习结果进行评估得到用户的训练能力值的流程图，如图2所示，该过程包括：

在步骤S210中，获取练习结果中结果正确的练习题所属的习题类型和类型权重，以及结果正确的练习题的难度值。

在本公开的示例性实施例中，类型权重用于标识每种习题类型的练习题在初始习题集中的占比。例如主管类练习题在初始习题集中的占比为30％、新人类型练习题在初始习题集中的占比为20％。本公开的示例性实施例首先获取练习结果中结果正确的练习题所属的习题类型和类型权重以及结果正确的练习题的难度值。

在步骤S220中，根据结果正确的练习题的难度值、结果正确的练习题所属的习题类型和类型权重，计算用户的训练能力值。

在本公开的示例性实施例中，可以根据结果正确的练习题的难度值、结果正确的练习题所属的习题类型和类型权重，计算用户的训练能力值，具体过程包括：首先，针对每种习题类型，求取每种习题类型对应的结果正确的练习题的难度值之和，得到多个类型难度值；然后，根据类型难度值和每种习题类型对应的类型权重计算用户的训练能力值。其中，类型难度值用于标识用户对应于每种习题类型的难度值。

下面以具体实例对如何计算用户的训练能力值进行说明：

若用户对应的初始习题集中包括主管类的习题30道，新人类的习题20道，产品类的习题25道，晋升类的习题25道，并且，主管类的练习题在初始习题集中的占比为30％，新人类习题占比20％，产品类习题占比25％，晋升类习题占比25％。其中，答题结果中，主管类的练习题中结果正确的练习题的难度值之和为210，新人类的练习题中结果正确的练习题的难度值之和为80，产品类的练习题中结果正确的练习题的难度值之和为125，晋升类的练习题中结果正确的练习题的难度值之和为175，即得到的多个类型难度值分别为210、80、125、175，因此，根据类型难度值和每种习题类型对应的类型权重计算用户的训练能力值如下：

用户的训练能力值＝210×30％+80×20％+125×25％+175×25％＝154

通过本示例性实施例，通过用户对于已学习习题中结果正确的习题的难度值以习题类型为维度进行加权求和，反映用户当前对习题知识点难度的掌握情况，即得到训练能力值。

在一些可能的实施方式中，响应于用户触发的学习目标选择操作，按照预设推荐规则向用户推荐学习目标对应的初始习题集，还包括：按照预设推荐规则生成初始习题集对应的测试习题集。其中，测试习题集也选自学习资源库；可选地，测试习题集与初始习题集中练习题的数量、总体难度值、练习题所属的习题类型以及每种习题类型对应的类型占比均相同；可选地，测试习题集与初始习题集中的练习题为总体难度值相同，而数量、练习题所属的习题类型以及每种习题类型对应的类型占比可以不同；当然，可以根据实际推荐需要，调整测试习题集与初始习题集中练习题的对应关系，本公开对此不做特殊限定。

进一步的，在结束初始习题集的学习后，可以获取用户基于测试习题集生成的测试结果，并根据预设能力评估规则对测试结果进行评估，得到用户的测试能力值。其中，可以在用户完成初始习题集中全部练习题的学习后结束初始习题集的学习，或者，还可以响应于用户触发的提前结束学习操作指令，提前结束初始习题集的学习，本公开对此不做特殊限定。其中，获取用户的测试能力值的具体过程与上述步骤S210至步骤S220中获取用户的训练能力值的过程类似，其中，结果正确的练习题的来自测试习题集，在此不再赘述。

通过本示例性实施例，在结束初始习题集的学习后，向用户提供与初始习题集对应的测试习题集，以用于测试用户通过训练后的学习效果，并且根据预设能力评估规则，对基于测试习题集生成的测试结果进行评估，以提供又一套习题的方式对用户进行测试，通过测试能力值反映用户经过学习后对习题知识点的掌握程度。

在步骤S130中，将训练能力值与学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从学习资源库中获取符合预设推荐规则的目标训练习题。

在本公开的示例性实施例中，学习资源库中每道练习题具有对应的知识点难度值，图3示出了根据本公开示例性实施例的将训练能力值与学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从学习资源库中获取符合预设推荐规则的目标训练习题或目标习题的流程图，如图3所示，该过程包括：

在步骤S310中，获取训练能力值与学习资源库中每道练习题对应的知识点难度值的差距值。

在本公开的示例性实施例中，可以求取用户的训练能力值与学习资源库中每道练习题对应的知识点难度值的差值作为所述的差距值；或者，也可以将获得的差值与用户的训练能力值作比，并将得到的比值作为所述差距值。例如，用户的训练能力值为154，对应练习题的知识点难度值为180，则用户的训练能力值与该对应练习题对应的知识点难度值的差距值为(180-154)/154＝16.8％。当然，本公开还可以采用其他方式获取训练能力值与学习资源库中每道练习题对应的知识点难度值的差距值，本公开对此不做特殊限定。

在步骤S320中，将差距值小于或等于用户对应的预设能力阈值的练习题，确定为候选习题。

在本公开的示例性实施例中，预设能力评估规则中包括预设的用户对应的预设能力阈值；其中，用户对应的预设能力阈值可以为每个用户特有的预设能力阈值，或者，用户对应的预设能力阈值为相同职业层级或岗位层级的用户具有相同的一个预设能力阈值。其中，预设能力阈值的具体形式与用户的训练能力值的形式对应，例如为具体数值，例如为百分数值，本公开对此不做特殊限定。

进一步的，将步骤S310中获得的训练能力值与学习资源库中每道练习题对应的知识点难度值的差距值分别与用户对应的预设能力阈值进行比对，并将学习资源库中差距值小于或等于用户对应的预设能力阈值的练习题，确定为候选习题。

基于本示例性实施例，通过将用户的训练能力值与学习资源库中的每道练习题对应的知识点难度值进行比较，将接近用户能力极限的练习题确定为候选练习题，从而以接近用户能力极限的训练方式进行学习，实现循序渐进提升用户能力的效果。

在步骤S330中，从获取的全部的候选习题中，选择符合预设推荐规则的目标训练习题。

在本公开的示例性实施例中，在步骤S320获取的候选习题中，选择符合预设推荐规则的目标训练习题，由于在步骤S320中获得候选习题数量可能众多，因此对候选习题进行进一步的筛选，筛选规则就是预设推荐规则，例如，需要筛选数量，筛选的习题类型和习题难度，均采用用户对应的预设推荐规则确定。

通过本示例性实施里，从候选习题中选择符合预设推荐规则的目标训练习题，确保得到的目标训练习题既符合接近用户能力极限的需求，又符合最初设定的预设推荐规则，即遵循对用户的引导，也就是说实现用户引导、用户需求以及基于用户历史学习的能力评估的结合，如图4所示。

另外，在一些可能的实施方式中，在获得用户的测试能力值后，还可以将测试能力值与学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从学习资源库中获取符合预设推荐规则的目标测试习题。其中，测试能力值与学习资源库中练习题对应的知识点难度值进行比较的过程，以及根据比较结果从学习资源库中获取符合预设推荐规则的目标测试习题过程如步骤S310至步骤S320中确定目标训练习题的过程类似，仅将训练能力值替换为测试能力值，因此对此不再赘述。

基于此，在用户结束当前轮次的初始习题集学习后，还可以根据用户的测试能力值从学习资源库中获取接近用户能力极限的练习题确定目标测试习题。

在步骤S140中，根据目标训练习题更新初始习题集并提供至用户。

在本公开的示例性实施例中，在获得目标训练习题后，可以更新初始习题集中练习结果对应练习题之后的练习题并提供至用户，也就是说，将初始习题集中用户仍未作答的练习题根据目标训练习题进行实时更新，从而使用户在后续训练过程中学习的练习题始终保持接近用户的能力极限，因此可以达到循序渐进提升用户能力的学习效果。

相应的，在获取目标测试习题后，可以根据目标测试习题将初始习题集中的全部习题进行一次更新，且，同时将更新后的初始习题集对应的测试习题集进行相应更新，从而使用户进行下一轮次的学习与测试，相比较实时更新的方式，还可以在用户结束初始习题集学习后，再将初始习题集整体进行更新。例如，若用户在初始的测试习题集学习后，未通过测试，则通过重新更新初始习题集和测试习题集，使用户重新参与学习与测试直至通过测试，并且是以接近其能力极限的方式参与学习，不仅有利于循序渐进学习，也可以提升用户的学习自信度，避免因难度不匹配而导致用户体验感低，提高用户学习的参与积极性。

在本公开的示例性实施例中，用户在学习初始习题集或测试习题集的过程中，可以实时查看正确答案并提供纠错服务，使用户实时准确掌握每道练习题的正确答案，提高学习效率。

此外，本公开的示例性实施例中，还可以统计用户学习初始习题集的时间、练习题的数量、通过测试习题集的概率等，用以评估用户学习效果，以及本公开的学习资源推荐方法的有效应和可持续性。

参见图5，下面以具体应用场景为例，对本公开的学习资源推荐方法进行说明，其中，本具体应用场景以用户完成初始习题集后进行初始习题集和测试习题集的更新为例：

在步骤510中，确定学习资源库；

在步骤S520中，配置预设推荐规则和预设能力评估规则；

在步骤S530中，响应于用户触发的学习目标选择操作，按照预设推荐规则形成学习目标对应的初始习题集；

在步骤S540中，用户参与初始习题集的学习，并可以随时查看学习结果；

在步骤S550中，用户结束初始习题集的学习，参与考试(即测试习题集的学习)；

在步骤S560中，判断用户是否通过基于测试习题集的考试，若否，则需重新参与初始习题集的学习；

在步骤S570中，获取用户的测试能力值，并将测试能力值与学习资源库中练习题对应的知识点难度值进行比较，以根据比较结果从学习资源库中获取符合预设推荐规则的目标测试习题；

在步骤S580中，根据目标测试题更新初始习题集和对应的测试习题集；

在步骤S590中，用户基于更新后的初始习题集的学习后，通过对应的测试习题集的测试，统计用户学习初始习题集的时间、练习题的数量、通过测试习题集的概率等，用以评估用户学习效果，以及本公开的学习资源推荐方法的有效应和可持续性。

在本公开的示例性实施例中，初始练习题是结合预设推荐规则与用户选择的学习目标综合得到，基于用户选择能够使初始习题集满足用户自我意识中对练习题的学习目标诉求，基于预设推荐规则能够使初始习题集符合引导用户学习方向的目的，从而使初始习题集既符合用户个性化需求，也具有引导用户自主学习方向的目的；通过将用户基于历史学习的训练能力值与练习题对应的知识点难度值比较确定目标训练习题来更新初始习题集，使得更新后的初始习题始终接近满足能力极限，因此通过以接近能力极限的方式让用户循环往复参加学习，提高学习效果和效率，从而以循序渐进的方式提升用户能力；用户学习过程中能够无需人工干预，通过用户学习过程产生的数据反哺重新确定目标训练习题更新初始习题集，是一种灵活高效的学习资源推荐方法，也有利于提高学习平台的用户留存。

此外，在本公开的示例性实施例中，还提供了一种学习资源推荐装置。参考图6所示，该学习资源推荐装置600可以包括习题推荐模块610、能力评估模块620、能力比对模块630以及更新模块640。具体地，

习题推荐模块610，用于响应于用户触发的学习目标选择操作，按照预设推荐规则向用户推荐学习目标对应的初始习题集，该初始习题集选自学习资源库；

能力评估模块620，用于获取用户基于初始习题集中练习题生成的练习结果，并根据预设能力评估规则对练习结果进行评估，得到用户的训练能力值；

能力比对模块630，用于将训练能力值与学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从学习资源库中获取符合预设推荐规则的目标训练习题；

更新模块640，用于根据目标训练习题更新初始习题集并提供至用户。

在本公开的一示例性实施例中，能力评估模块620可以包括：能力值周期获取单元，用于每隔设定周期获取所述用户在所述设定周期中基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户在所述设定周期内的训练能力值。

在本公开的一示例性实施例中，能力评估模块620可以包括：练习结果获取单元，用于获取所述用户基于所述初始习题集中当前习题的练习结果；能力值实时获取单元，用于根据所述预设能力评估规则，对所述当前习题以及所述用户学习所述当前习题之前练习题所生成的练习结果进行评估，得到所述用户的训练能力值。

在本公开的一示例性实施例中，能力评估模块620可以包括：练习题数据获取单元，用于获取所述练习结果中结果正确的练习题所属的习题类型和类型权重，以及所述结果正确的练习题的难度值，其中所述类型权重用于标识每种所述习题类型的练习题在所述初始习题集中的占比；计算单元，用于根据所述结果正确的练习题的难度值、结果正确的练习题所属的习题类型和类型权重，计算所述用户的训练能力值。

在本公开的一示例性实施例中，能力评估模块620还可以包括：类型难度值获取单元，用于针对每种习题类型，求取所述每种习题类型对应的结果正确的练习题的难度值之和，得到多个类型难度值；所述计算单元还可以用于根据所述类型难度值、每种所述习题类型对应的类型权重，计算所述用户的训练能力值。

在本公开的一示例性实施例中，更新模块640可以包括：实时更新单元，用于根据所述目标训练习题，更新所述初始习题集中所述练习结果对应练习题之后的练习题并提供至所述用户。

在本公开的一示例性实施例中，所述习题推荐模块610还用于按照所述预设推荐规则生成所述初始习题集对应的测试习题集；所述能力评估模块620还用于：在结束所述初始习题集的学习后，获取所述用户基于所述测试习题集生成的测试结果，并根据所述预设能力评估规则对所述测试结果进行评估，得到所述用户的测试能力值；所述能力比对模块630还用于将所述测试能力值与所述学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从所述学习资源库中获取符合所述预设推荐规则的目标测试习题；所述更新模块640还用于根据所述目标测试习题更新所述初始习题集和测试习题集，以用于所述用户进行下一轮次的学习。

在本公开的一示例性实施例中，所述练习题数据获取单元还用于：获取所述测试结果中结果正确的练习题所属的习题类型和类型权重，以及所述结果正确的练习题的难度值，其中所述类型权重用于标识每种所述习题类型的练习题在所述测试习题集中的占比；所述类型难度获取单元还用于针对每种习题类型，求取所述每种习题类型对应的结果正确的练习题的难度值之和，得到多个类型难度值；所述计算单元还可以用于根据所述类型难度值、每种所述习题类型对应的类型权重，计算所述用户的测试能力值。

在本公开的一示例性实施例中，能力比对模块630可以包括：差距值获取单元，用于获取所述能力值与所述学习资源库中每道练习题对应的知识点难度值的差距值，所述能力值为训练能力值或测试能力值；候选习题确定单元，用于将所述差距值小于或等于所述用户对应的预设能力阈值的练习题，确定为候选习题；目标习题选择单元，用于从获取的全部的所述候选习题中，选择符合所述预设推荐规则的目标训练习题或目标测试习题。

在本公开的一示例性实施例中，所述学习目标包括习题难度、习题类型和习题数量中的至少一个；所述习题推荐模块610还可以用于响应于用户触发的习题难度、习题类型和习题数量中的至少一个的选择操作，按照预设推荐规则向所述用户推荐所述习题难度、习题类型和习题数量中的至少一个对应的初始习题集；其中，所述预设推荐规则用于指示初始习题集中练习题的排序、数量、难度和类型中的至少一种。

由于本公开的示例性实施例的学习资源推荐装置的各个功能模块与上述学习资源推荐方法的发明实施例中相同，因此在此不再赘述。

应当注意，尽管在上文详细描述中提及了学习资源推荐装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，在本公开示例性实施方式中，还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。

参考图7所示，描述了根据本公开的示例性实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本公开的这种实施例的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种学习资源推荐方法，其特征在于，包括：

响应于用户触发的学习目标选择操作，按照预设推荐规则向所述用户推荐所述学习目标对应的初始习题集，所述初始习题集选自学习资源库；

获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值；

将所述训练能力值与所述学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从所述学习资源库中获取符合所述预设推荐规则的目标训练习题；

根据所述目标训练习题更新所述初始习题集并提供至所述用户。

2.根据权利要求1所述的方法，其特征在于，所述获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值，包括：

每隔设定周期获取所述用户在所述设定周期中基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户在所述设定周期内的训练能力值。

3.根据权利要求1所述的方法，其特征在于，所述获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值，包括：

获取所述用户基于所述初始习题集中当前习题的练习结果；

根据所述预设能力评估规则，对所述当前习题以及所述用户学习所述当前习题之前练习题所生成的练习结果进行评估，得到所述用户的训练能力值。

4.根据权利要求1～3任一项所述的方法，其特征在于，所述获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值，包括：

获取所述练习结果中结果正确的练习题所属的习题类型和类型权重，以及所述结果正确的练习题的难度值，其中所述类型权重用于标识每种所述习题类型的练习题在所述初始习题集中的占比；

根据所述结果正确的练习题的难度值、结果正确的练习题所属的习题类型和类型权重，计算所述用户的训练能力值。

5.根据权利要求1所述的方法，其特征在于，所述响应于用户触发的学习目标选择操作，按照预设推荐规则向所述用户推荐所述学习目标对应的初始习题集，还包括：按照所述预设推荐规则生成所述初始习题集对应的测试习题集；

所述方法还包括：

在结束所述初始习题集的学习后，获取所述用户基于所述测试习题集生成的测试结果，并根据所述预设能力评估规则对所述测试结果进行评估，得到所述用户的测试能力值；

将所述测试能力值与所述学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从所述学习资源库中获取符合所述预设推荐规则的目标测试习题；

根据所述目标测试习题更新所述初始习题集和测试习题集，以用于所述用户进行下一轮次的学习。

6.根据权利要求5所述的方法，其特征在于，所述获取所述用户基于所述测试习题集生成的测试结果，并根据所述预设能力评估规则对所述测试结果进行评估，得到所述用户的测试能力值，包括：

获取所述测试结果中结果正确的练习题所属的习题类型和类型权重，以及所述结果正确的练习题的难度值，其中所述类型权重用于标识每种所述习题类型的练习题在所述测试习题集中的占比；

针对每种习题类型，求取所述每种习题类型对应的结果正确的练习题的难度值之和，得到多个类型难度值；

根据所述类型难度值、每种所述习题类型对应的类型权重，计算所述用户的测试能力值。

7.根据权利要求5所述的方法，其特征在于，将能力值与所述学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从所述学习资源库中获取符合所述预设推荐规则的目标训练习题或目标测试习题的过程，包括：

获取所述能力值与所述学习资源库中每道练习题对应的知识点难度值的差距值，所述能力值为训练能力值或测试能力值；

将所述差距值小于或等于所述用户对应的预设能力阈值的练习题，确定为候选习题；

从获取的全部的所述候选习题中，选择符合所述预设推荐规则的目标训练习题或目标测试习题。

8.一种学习资源推荐装置，其特征在于，包括：

习题推荐模块，用于响应于用户触发的学习目标选择操作，按照预设推荐规则向所述用户推荐所述学习目标对应的初始习题集，所述初始习题集选自学习资源库；

能力评估模块，用于获取所述用户基于所述初始习题集中练习题生成的练习结果，并根据预设能力评估规则对所述练习结果进行评估，得到所述用户的训练能力值；

能力比对模块，用于将所述训练能力值与所述学习资源库中练习题对应的知识点难度值进行比较，并根据比较结果从所述学习资源库中获取符合所述预设推荐规则的目标训练习题；

更新模块，用于根据所述目标训练习题更新所述初始习题集并提供至所述用户。

9.一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至7中任一项所述的学习资源推荐方法。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的学习资源推荐方法。

Images