CN115048571A - 一种基于云平台的在线教育推荐管理系统 - Google Patents

Abstract

本发明公开了一种基于云平台的在线教育推荐管理系统，其中，所述方法包括：将第一用户需求信息输入在线教育资源数据库中进行遍历，获得第一教育资源产品信息集；基于第一教育资源产品信息集，获得教育资源评价指标信息；根据评价主体信息生成评价维度集合；基于评价维度集合和教育资源评价指标信息，生成教育资源评价矩阵集；基于各维度评价系数和教育资源评价矩阵集，获得多维教育资源评价矩阵集；根据多维教育资源评价矩阵集对教育资源产品进行降序排序，获得教育资源排序结果；基于教育资源排序结果，对第一教育资源产品信息集进行推荐展示。解决了现有技术教育资源存在海量不易筛选，且推荐不准确，导致影响学习效率的技术问题。

Description

一种基于云平台的在线教育推荐管理系统

技术领域

本发明涉及教育资源管理领域，尤其涉及一种基于云平台的在线 教育推荐管理系统。

背景技术

在线教育的实质是面向全国的教育资源共享，是一种全新的交流 方式，在线教育利用网络先进的技术改变师生的交流方式上课，进一 步提高学生掌握知识的效率，学习时间、地点灵活方便，学习资源丰 富共享，对保证教育资源均衡分布和发展具有重要意义。

然而，现有技术教育资源存在海量不易筛选，且推荐不准确，导 致影响学习效率的技术问题。

发明内容

本申请通过提供一种基于云平台的在线教育推荐管理系统，解决 了现有技术教育资源存在海量不易筛选，且推荐不准确，导致影响学 习效率的技术问题，达到通过云平台对在线教育资源进行整合分析， 并结合多维度评价指标进行海量教育资源的排序推荐，提高教育资源 筛选推荐的准确性和及时性，进而保证在线学习效率的技术效果。

鉴于上述问题，本发明提供了一种基于云平台的在线教育推荐管 理系统。

第一方面，本申请提供了一种基于云平台的在线教育推荐管理系 统，所述系统包括：第一获得单元，所述第一获得单元用于通过在线 教育云平台获得在线教育资源数据库；第二获得单元，所述第二获得 单元用于将第一用户需求信息输入所述在线教育资源数据库中进行 遍历，获得第一教育资源产品信息集；第三获得单元，所述第三获得 单元用于基于所述第一教育资源产品信息集，获得教育资源评价指标 信息；第一生成单元，所述第一生成单元用于获得评价主体信息，根 据所述评价主体信息生成评价维度集合；第二生成单元，所述第二生 成单元用于基于所述评价维度集合和所述教育资源评价指标信息，对各教育资源产品进行评价，生成教育资源评价矩阵集；第四获得单元， 所述第四获得单元用于获得所述评价维度集合中各维度评价系数，并 基于所述各维度评价系数和所述教育资源评价矩阵集，获得多维教育 资源评价矩阵集；第五获得单元，所述第五获得单元用于根据所述多 维教育资源评价矩阵集对所述各教育资源产品进行降序排序，获得第 一教育资源排序结果；第一处理单元，所述第一处理单元用于基于所 述第一教育资源排序结果，对所述第一教育资源产品信息集进行推荐 展示。

另一方面，本申请还提供了一种基于云平台的在线教育推荐管理 方法，所述方法应用于一种基于云平台的在线教育推荐管理系统实现， 所述方法包括：通过在线教育云平台获得在线教育资源数据库；将第 一用户需求信息输入所述在线教育资源数据库中进行遍历，获得第一 教育资源产品信息集；基于所述第一教育资源产品信息集，获得教育 资源评价指标信息；获得评价主体信息，根据所述评价主体信息生成 评价维度集合；基于所述评价维度集合和所述教育资源评价指标信息， 对各教育资源产品进行评价，生成教育资源评价矩阵集；获得所述评 价维度集合中各维度评价系数，并基于所述各维度评价系数和所述教 育资源评价矩阵集，获得多维教育资源评价矩阵集；根据所述多维教 育资源评价矩阵集对所述各教育资源产品进行降序排序，获得第一教 育资源排序结果；基于所述第一教育资源排序结果，对所述第一教育 资源产品信息集进行推荐展示。

第三方面，本申请提供了一种电子设备，包括总线、收发器、存 储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算 机程序，所述收发器、所述存储器和所述处理器通过所述总线相连， 所述计算机程序被所述处理器执行时实现上述任意一项所述系统中 的步骤。

第四方面，本申请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，所述计算机程序被处理器执行时实现上述任意一项所 述系统中的步骤。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或 优点：

由于采用了将用户需求信息输入在线教育云平台的在线教育资 源数据库中进行遍历，再基于遍历得到的第一教育资源产品信息集， 获得教育资源评价指标信息，根据评价主体信息生成评价维度集合， 然后基于评价维度集合和教育资源评价指标信息，对各教育资源产品 进行评价，生成教育资源评价矩阵集，再基于述评价维度集合中各维 度评价系数和教育资源评价矩阵集，获得多维教育资源评价矩阵集， 最后根据多维教育资源评价矩阵集对所述各教育资源产品进行降序 排序，基于教育资源排序结果，对第一教育资源产品信息集进行推荐 展示的技术方案。进而达到通过云平台对在线教育资源进行整合分析，并结合多维度评价指标进行海量教育资源的排序推荐，提高教育资源 筛选推荐的准确性和及时性，进而保证在线学习效率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申 请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请 的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的 具体实施方式。

附图说明

图1为本申请一种基于云平台的在线教育推荐管理方法的流程 示意图；

图2为本申请一种基于云平台的在线教育推荐管理方法中构建 在线教育资源数据库的流程示意图；

图3为本申请一种基于云平台的在线教育推荐管理方法中结合 在线教育类别和数据格式信息进行综合分类的流程示意图；

图4为本申请一种基于云平台的在线教育推荐管理方法中对在 线教育资源数据库进行数据资源检索的流程示意图；

图5为本申请一种基于云平台的在线教育推荐管理系统的结构 示意图；

图6为本申请示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得 单元13，第一生成单元14，第二生成单元15，第四获得单元16，第 五获得单元17，第一处理单元18，总线1110，处理器1120，收发器 1130，总线接口1140，存储器1150，操作系统1151，应用程序1152 和用户接口1160。

具体实施方式

在本申请的描述中，所属技术领域的技术人员应当知道，本申请 可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本 申请可以具体实现为以下形式：完全的硬件、完全的软件(包括固件、 驻留软件、微代码等)、硬件和软件结合的形式。此外，在一些实施 例中，本申请还可以实现为在一个或多个计算机可读存储介质中的计 算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。

上述计算机可读存储介质可以采用一个或多个计算机可读存储 介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红 外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读 存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存 储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只 读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中， 计算机可读存储介质可以是任意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、器件使用或与其结合使用。

本申请技术方案中对数据的获取、存储、使用、处理等均符合国 家法律的相关规定。

本申请通过流程图和/或方框图描述所提供的方法、装置、电子 设备。

应当理解，流程图和/或方框图的每个方框以及流程图和/或方框 图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机 可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据 处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令 通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/ 或方框图中的方框规定的功能/操作的装置。

也可以将这些计算机可读程序指令存储在能使得计算机或其他 可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样， 存储在计算机可读存储介质中的指令就产生出一个包括实现流程图 和/或方框图中的方框规定的功能/操作的指令装置产品。

也可以将计算机可读程序指令加载到计算机、其他可编程数据处 理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其 他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得 在计算机或其他可编程数据处理装置上执行的指令能够提供实现流 程图和/或方框图中的方框规定的功能/操作的过程。

下面结合本申请中的附图对本申请进行描述。

实施例一

如图1所示，本申请提供了一种基于云平台的在线教育推荐管理 方法，所述方法应用于一种基于云平台的在线教育推荐管理系统，所 述方法包括：

步骤S100：通过在线教育云平台获得在线教育资源数据库；

如图2所示，进一步而言，所述通过在线教育云平台获得在线教 育资源数据库，本申请步骤S100还包括：

步骤S110：基于所述在线教育云平台，构建数据资源分层库， 其中，所述数据资源分层库包括数据控制层、服务层以及数据访问层；

步骤S120：通过所述数据访问层，对教育数据信息进行访问采 集，获得在线教育数据信息集；

步骤S130：根据所述数据控制层对所述在线教育数据信息集进 行汇聚、整合，获得在线教育标准数据信息集；

步骤S140：对所述在线教育标准数据信息集进行聚类分析，构 建所述在线教育资源数据库。

具体而言，在线教育的实质是面向全国的教育资源共享，是一种 全新的交流方式，在线教育利用网络先进的技术改变师生的交流方式 上课，进一步提高学生掌握知识的效率，学习时间、地点灵活方便， 学习资源丰富共享，对保证教育资源均衡分布和发展具有重要意义。 在线教育云平台一般指云计算平台，是指基于硬件资源和软件资源的 服务，提供计算、网络和存储能力，存储着海量教育资源的服务平台。

基于所述在线教育云平台，构建数据资源分层库，所述数据资源 分层库包括数据控制层、服务层以及数据访问层，用于支撑在线教育 云平台的数据资源服务。数据控制层是对接收到的数据进行逻辑判断 与执行操作，实现数据的修改、整合等逻辑处理；服务层是设计在线 教学等功能管理模块，对资源数据进行共享，与用户进行交互，以此 实现教育资源的服务共享；数据访问层则用于对数据资源进行访问采 集，增加云平台存储数据量。

首先通过所述数据访问层，对教育数据信息进行访问采集，获得 在线教育数据信息集，所述在线教育数据信息集包括各类别各等级教 学内容，包括不同教学等级小学、初中、高中、大学等，不同内容语 文、数学、英语、物理、化学、生物等，不同类别义务教育、职业能 力教育、职业等级教育等。根据所述数据控制层对所述在线教育数据 信息集进行汇聚、整合，使得采集获取的多源异构数据资源进行汇聚， 再按照数据格式进行清洗整合，使得处理后的在线教育标准数据信息 集数据更加标准完整。

对所述在线教育标准数据信息集进行聚类分析，聚类分析将数据 集合分组为由类似的对象组成的多个类的分析过程，是一种无监督学 习过程，将教育资源数据信息按类别进行分类，从而按类别构建所述 在线教育资源数据库。所述在线教育资源数据库包括各类别在线教育 资源，通过云平台对在线教育资源进行整合分析，使得获取在线教育 资源数据库海量丰富，从而保证在线教育效果的全面性和共享性。

步骤S200：将第一用户需求信息输入所述在线教育资源数据库 中进行遍历，获得第一教育资源产品信息集；

步骤S300：基于所述第一教育资源产品信息集，获得教育资源 评价指标信息；

具体而言，所述第一用户需求信息是用户需要查找获取的教育资 源信息，将第一用户需求信息输入所述在线教育资源数据库中进行遍 历，搜索得到对应的第一教育资源产品信息集。基于所述第一教育资 源产品信息集，获得教育资源评价指标信息，所述教育资源评价指标 信息是对搜索得到的教育资源进行质量评价的指标信息，例如授课内 容、课程设计、课件内容、教学设备质量、教学态度、学习效果等指 标，教育资源产品类别不同，相应的评价指标也不同。

步骤S400：获得评价主体信息，根据所述评价主体信息生成评 价维度集合；

步骤S500：基于所述评价维度集合和所述教育资源评价指标信 息，对各教育资源产品进行评价，生成教育资源评价矩阵集；

具体而言，所述评价主体信息是对教育资源产品进行评价的主体， 包括学生、教师、家长、课程管理人员等。根据所述评价主体信息生 成评价维度集合，评价主体越多，评价维度也随之变多。评价主体基 于所述评价维度集合，按照所述教育资源评价指标信息对各教育资源 产品进行评价，生成各维度对应的教育资源评价矩阵集，即各教育资 源产品质量评分矩阵，表明各教育资源产品的质量等级。

步骤S600：获得所述评价维度集合中各维度评价系数，并基于 所述各维度评价系数和所述教育资源评价矩阵集，获得多维教育资源 评价矩阵集；

具体而言，所述评价维度集合中各维度评价系数是各评价主体维 度对应的重要程度，系数越大，表明该评价主体维度的评价重要性越 大，例如学生评价维度的系数最大。将所述各维度评价系数和所述教 育资源评价矩阵集进行乘积计算，计算获得系数相乘修正后的多维教 育资源评价矩阵集，用于表明各教育资源产品的最终质量评价结果。

步骤S700：根据所述多维教育资源评价矩阵集对所述各教育资 源产品进行降序排序，获得第一教育资源排序结果；

步骤S800：基于所述第一教育资源排序结果，对所述第一教育 资源产品信息集进行推荐展示。

具体而言，根据所述多维教育资源评价矩阵集对所述各教育资源 产品进行降序排序，例如将所述各教育资源产品按照矩阵各值之和的 大小进行降序排序，获得第一教育资源排序结果，所述第一教育资源 排序结果中排名越靠前，表明该教育产品的综合质量越高。基于所述 第一教育资源排序结果，对所述第一教育资源产品信息集进行推荐展 示，用户根据推荐排序结果进行相应教育资源的选择，提高教育资源 筛选推荐的准确性和及时性，进而用户保证在线学习效率。

如图3所示，进一步而言，本申请步骤S140还包括：

步骤S141：基于自然语言处理算法对所述在线教育标准数据信 息集进行关键词提取，获得教育数据关键词；

步骤S142：按照所述教育数据关键词进行内容分类，获得在线 教育类别；

步骤S143：对所述在线教育标准数据信息集进行结构分类，获 得数据格式信息；

步骤S144：基于所述在线教育类别和所述数据格式信息进行综 合分类，构建所述在线教育资源数据库。

具体而言，通过自然语言处理算法对所述在线教育标准数据信息 集进行关键词提取，获得文本提取得到的教育数据关键词，例如该教 育资源信息的关键词为高中、数学、函数，通过关键词使得用户对教 育产品的搜索更加精确有效。按照所述教育数据关键词进行各教育产 品内容分类，获得对应的在线教育类别，例如大学高数类别，分类精 准合理。对所述在线教育标准数据信息集进行结构分类，即按照数据 格式进行分类，获得数据格式信息，包括文本格式、图片格式、视频 格式等。基于所述在线教育类别和所述数据格式信息进行综合分类， 即结合内容类别和数据格式共同分类，例如高中生物类别的教育资源 按照视频、图片、文本进行分类，以此构建所述在线教育资源数据库。 通过关键词和数据格式对在线教育资源进行分类整合，使得获取在线 教育资源数据库海量有序，从而保证在线教育效果的全面性和搜索准 确及时性。

如图4所示，进一步而言，本申请步骤S144还包括：

步骤S1441：将所述教育数据关键词输入语义分析模型中，获得 语义分析结果；

步骤S1442：根据所述语义分析结果对所述教育数据关键词进行 语义扩展，获得教育数据搜索词；

步骤S1443：基于所述教育数据搜索词对所述在线教育资源数据 库进行数据资源检索。

具体而言，将所述教育数据关键词输入语义分析模型中，所述语 义分析模型为递归神经网络模型，用于对关键词语义转化分析，递归 神经网络是具有树状阶层结构且网络节点按其连接顺序对输入信息 进行递归的人工神经网络，是深度学习算法之一，当递归神经网络的 每个父节点都仅与一个子节点连接时，其结构等价于全连接的循环神 经网络，递归神经网络具有可变的拓扑结构且权重共享，被用于包含 结构关系的机器学习任务，获得所述模型的训练输出结果即语义分析 结果。根据所述语义分析结果对所述教育数据关键词进行语义扩展， 获得教育数据搜索词，例如对数学这一关键词进行语义扩展，可为数学教学、数学教育、数学科学等搜索词。基于所述教育数据搜索词对 所述在线教育资源数据库进行数据资源检索，保证搜索词的全面性和 可搜索性，通过自然语言处理算法实现语义转换结果更加准确高效， 使得教育资源的检索更加准确合理。

进一步而言，本申请步骤还包括：

步骤S910：按照服务对象类型对第一用户进行层级分析，获得 第一用户层级；

步骤S920：构建资源服务标签库，根据所述资源服务标签库对 第一用户的历史访问信息进行分类标记，获得第一用户标签信息；

步骤S930：基于所述第一用户层级和所述第一用户标签信息， 构建第一用户画像信息；

步骤S940：通过所述第一用户画像信息，对所述第一用户进行 教育资源推荐。

具体而言，按照服务对象类型对第一用户进行层级分析，例如是 面向中小学生或职场人员，获得第一用户层级，用户层级不同，需要 获取的教育资源也不同。构建资源服务标签库，所述资源服务标签库 包括各教育资源标签，例如电学类、高中学生、历史类等，根据所述 资源服务标签库对第一用户的历史访问信息进行分类标记，通过历史 访问信息获得第一用户标签信息，例如用户爱好文学类、国学类、高 知水平等。

基于所述第一用户层级和所述第一用户标签信息，构建第一用户 画像信息，用户画像又称用户角色，是一种勾画目标用户、联系用户 诉求的有效工具，能够体现用户的受众产品，从而提高资源推荐效率。 通过所述第一用户画像信息，对所述第一用户进行教育资源推荐，例 如面对职场人员推荐办公教学、表格操作、设计软件教学等资源。通 过结合用户层级和用户标签构建用户画像，使得推荐的教育资源更加 准确有效，实现个性化高效推荐。

进一步而言，本申请步骤S940还包括：

步骤S941：获得资源推荐展示内容的推荐量和客户点击量；

步骤S942：基于所述客户点击量和所述推荐量的比值，获得推 荐偏好度；

步骤S943：如果所述推荐偏好度未达到预设偏好度，获得未点 击内容信息；

步骤S944：获得所述未点击内容信息的关键词集合，根据所述 关键词集合对所述第一用户画像信息进行修正。

具体而言，对用户向资源推荐展示内容的平台推荐量和客户点击 量进行统计，基于所述客户点击量和所述推荐量的比值，获得推荐偏 好度，所述推荐偏好度是用户对推荐内容的准确程度，偏好度越大， 表明向用户推荐内容的准确性越大，符合用户个人兴趣。如果所述推 荐偏好度未达到预设偏好度，表明用户对平台向其的推荐内容不感兴 趣，点击量过少，推荐准确性不高。获得用户未点击内容信息的关键 词集合，例如用户对高数这一关键词的教育资源内容不点击查看，则 根据所述关键词集合对所述第一用户画像信息进行修正，减少相关内 容的推荐，使得推荐的教育资源更加准确有效，进而实现教育资源的个性化高效推荐。

进一步而言，本申请步骤S944还包括：

步骤S9441：获得所述资源推荐展示内容的关联内容点击信息；

步骤S9442：对所述关联内容点击信息和所述资源推荐展示内容 的关键词求交集，获得关联关键词集合；

步骤S9443：对所述关联关键词集合进行关联性分析，获得第一 内容关联系数；

步骤S9444：根据所述第一内容关联系数，对所述推荐偏好度进 行修正。

具体而言，平台对所述资源推荐展示内容的关联内容进行展示， 例如在高数内容讲解视频的周边进行其他高校老师的讲解视频推荐， 获得关联内容的点击信息。对所述关联内容点击信息和所述资源推荐 展示内容的关键词求交集，获得关联关键词集合，例如高数、同济版 等交集关键词。对所述关联关键词集合进行关联性分析，获得对应的 第一内容关联系数，关联系数越大，表明该关联内容的相似关联程度 越大。根据所述第一内容关联系数，对所述推荐偏好度进行修正，例 如内容关联系数较大，修正后的推荐偏好度也相应增加，表明平台的 推荐准确性也相应提高。通过结合关联内容的点击对平台推荐准确性进行评价，使得推荐的教育资源更加准确有效，实现教育资源的个性 化高效推荐，进而保证用户在线学习效果。

综上所述，本申请所提供的一种基于云平台的在线教育推荐管理 系统具有如下技术效果：

由于采用了将用户需求信息输入在线教育云平台的在线教育资 源数据库中进行遍历，再基于遍历得到的第一教育资源产品信息集， 获得教育资源评价指标信息，根据评价主体信息生成评价维度集合， 然后基于评价维度集合和教育资源评价指标信息，对各教育资源产品 进行评价，生成教育资源评价矩阵集，再基于述评价维度集合中各维 度评价系数和教育资源评价矩阵集，获得多维教育资源评价矩阵集， 最后根据多维教育资源评价矩阵集对所述各教育资源产品进行降序 排序，基于教育资源排序结果，对第一教育资源产品信息集进行推荐 展示的技术方案。进而达到通过云平台对在线教育资源进行整合分析，并结合多维度评价指标进行海量教育资源的排序推荐，提高教育资源 筛选推荐的准确性和及时性，进而保证在线学习效率的技术效果。

实施例二

基于与前述实施例中一种基于云平台的在线教育推荐管理方法 同样发明构思，本发明还提供了一种基于云平台的在线教育推荐管理 系统，如图5所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于通过在线教育云平 台获得在线教育资源数据库；

第二获得单元12，所述第二获得单元12用于将第一用户需求信 息输入所述在线教育资源数据库中进行遍历，获得第一教育资源产品 信息集；

第三获得单元13，所述第三获得单元13用于基于所述第一教育 资源产品信息集，获得教育资源评价指标信息；

第一生成单元14，所述第一生成单元14用于获得评价主体信息， 根据所述评价主体信息生成评价维度集合；

第二生成单元15，所述第二生成单元15用于基于所述评价维度 集合和所述教育资源评价指标信息，对各教育资源产品进行评价，生 成教育资源评价矩阵集；

第四获得单元16，所述第四获得单元16用于获得所述评价维度 集合中各维度评价系数，并基于所述各维度评价系数和所述教育资源 评价矩阵集，获得多维教育资源评价矩阵集；

第五获得单元17，所述第五获得单元17用于根据所述多维教育 资源评价矩阵集对所述各教育资源产品进行降序排序，获得第一教育 资源排序结果；

第一处理单元18，所述第一处理单元18用于基于所述第一教育 资源排序结果，对所述第一教育资源产品信息集进行推荐展示。

进一步的，所述系统还包括：

第一构建单元，所述第一构建单元用于基于所述在线教育云平台， 构建数据资源分层库，其中，所述数据资源分层库包括数据控制层、 服务层以及数据访问层；

第六获得单元，所述第六获得单元用于通过所述数据访问层，对 教育数据信息进行访问采集，获得在线教育数据信息集；

第七获得单元，所述第七获得单元用于根据所述数据控制层对所 述在线教育数据信息集进行汇聚、整合，获得在线教育标准数据信息 集；

第二构建单元，所述第二构建单元用于对所述在线教育标准数据 信息集进行聚类分析，构建所述在线教育资源数据库。

进一步的，所述系统还包括：

第八获得单元，所述第八获得单元用于基于自然语言处理算法对 所述在线教育标准数据信息集进行关键词提取，获得教育数据关键词；

第九获得单元，所述第九获得单元用于按照所述教育数据关键词 进行内容分类，获得在线教育类别；

第十获得单元，所述第十获得单元用于对所述在线教育标准数据 信息集进行结构分类，获得数据格式信息；

第三构建单元，所述第三构建单元用于基于所述在线教育类别和 所述数据格式信息进行综合分类，构建所述在线教育资源数据库。

进一步的，所述系统还包括：

第十一获得单元，所述第十一获得单元用于将所述教育数据关键 词输入语义分析模型中，获得语义分析结果；

第十二获得单元，所述第十二获得单元用于根据所述语义分析结 果对所述教育数据关键词进行语义扩展，获得教育数据搜索词；

第二处理单元，所述第二处理单元用于基于所述教育数据搜索词 对所述在线教育资源数据库进行数据资源检索。

进一步的，所述系统还包括：

第十三获得单元，所述第十三获得单元用于按照服务对象类型对 第一用户进行层级分析，获得第一用户层级；

第三处理单元，所述第三处理单元用于构建资源服务标签库，根 据所述资源服务标签库对第一用户的历史访问信息进行分类标记，获 得第一用户标签信息；

第四构建单元，所述第四构建单元用于基于所述第一用户层级和 所述第一用户标签信息，构建第一用户画像信息；

第四处理单元，所述第四处理单元用于通过所述第一用户画像信 息，对所述第一用户进行教育资源推荐。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于获得资源推荐展示内 容的推荐量和客户点击量；

第十五获得单元，所述第十五获得单元用于基于所述客户点击量 和所述推荐量的比值，获得推荐偏好度；

第十六获得单元，所述第十六获得单元用于如果所述推荐偏好度 未达到预设偏好度，获得未点击内容信息；

第一修正单元，所述第一修正单元用于获得所述未点击内容信息 的关键词集合，根据所述关键词集合对所述第一用户画像信息进行修 正。

进一步的，所述系统还包括：

第十七获得单元，所述第十七获得单元用于获得所述资源推荐展 示内容的关联内容点击信息；

第十八获得单元，所述第十八获得单元用于对所述关联内容点击 信息和所述资源推荐展示内容的关键词求交集，获得关联关键词集合；

第十九获得单元，所述第十九获得单元用于对所述关联关键词集 合进行关联性分析，获得第一内容关联系数；

第二修正单元，所述第二修正单元用于根据所述第一内容关联系 数，对所述推荐偏好度进行修正。

前述图1实施例一中的一种基于云平台的在线教育推荐管理方 法的各种变化方式和具体实例同样适用于本实施例的一种基于云平 台的在线教育推荐管理系统，通过前述对一种基于云平台的在线教育 推荐管理方法的详细描述，本领域技术人员可以清楚的知道本实施例 中一种基于云平台的在线教育推荐管理系统的实施方法，所以为了说 明书的简洁，在此不再详述。

此外，本申请还提供了一种电子设备，包括总线、收发器、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，该 收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器 执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相 同的技术效果，为避免重复，这里不再赘述。

示例性电子设备

具体的，参见图6所示，本申请还提供了一种电子设备，该电子 设备包括总线1110、处理器1120、收发器1130、总线接口1140、存 储器1150和用户接口1160。

在本申请中，该电子设备还包括：存储在存储器1150上并可在 处理器1120上运行的计算机程序，计算机程序被处理器1120执行时 实现上述控制输出数据的方法实施例的各个过程。

收发器1130，用于在处理器1120的控制下接收和发送数据。

本申请中，总线架构(用总线1110来代表)，总线1110可以包 括任意数量互联的总线和桥，总线1110将包括由处理器1120代表的 一个或多个处理器与存储器1150代表的存储器的各种电路连接在一 起。

总线1110表示若干类型的总线结构中的任何一种总线结构中的 一个或多个，包括存储器总线和存储器控制器、外围总线、加速图形 端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。 作为示例而非限制，这样的体系结构包括：工业标准体系结构总线、 微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连 总线。

处理器1120可以是一种集成电路芯片，具有信号处理能力。在 实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成 逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、 中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可 编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或 其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可 以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如，处理 器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位 于多颗不同的芯片。

处理器1120可以是微处理器或任何常规的处理器。结合本申请 所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码 处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存 取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只 读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介 质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述 方法的步骤。

总线1110还可以将，例如外围设备、稳压器或功率管理电路等 各种其他电路连接在一起，总线接口1140在总线1110和收发器1130 之间提供接口，这些都是本领域所公知的。因此，本申请不再对其进 行进一步描述。

收发器1130可以是一个元件，也可以是多个元件，例如多个接 收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。 例如：收发器1130从其他设备接收外部数据，收发器1130用于将处 理器1120处理后的数据发送给其他设备。取决于计算机装置的性质， 还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠 标、扬声器、麦克风、轨迹球、操纵杆、触控笔。

应理解，在本申请中，存储器1150可进一步包括相对于处理器 1120远程设置的存储器，这些远程设置的存储器可以通过网络连接 至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、 外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话 网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例 如，蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、 全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、 长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演 进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装 置、超可靠低时延通信装置等。

应理解，本申请中的存储器1150可以是易失性存储器或非易失 性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非 易失性存储器包括：只读存储器、可编程只读存储器、可擦除可编程 只读存储器、电可擦除可编程只读存储器，或闪存。

易失性存储器包括：随机存取存储器，其用作外部高速缓存。通 过示例性但不是限制性说明，许多形式的RAM可用，例如：静态随 机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双 倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储 器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。 本申请描述的电子设备的存储器1150包括但不限于上述和任意其他 适合类型的存储器。

在本申请中，存储器1150存储了操作系统1151和应用程序1152 的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。

具体而言，操作系统1151包含各种装置程序，例如：框架层、 核心库层、驱动层等，用于实现各种基础业务和处理基于硬件的任务。 应用程序1152包含各种应用程序，例如：媒体播放器、浏览器，用 于实现各种应用业务。实现本申请方法的程序可以包含在应用程序 1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结 构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执 行指令。

此外，本申请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，所述计算机程序被处理器执行时实现上述控制输出数据的 方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这 里不再赘述。

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披露的技术范 围内，可轻易想到变化或替换，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权利要求的保护范围为准。

Claims (10)

1.一种基于云平台的在线教育推荐管理系统，其特征在于，所述系统包括：

第一获得单元，所述第一获得单元用于通过在线教育云平台获得在线教育资源数据库；

第二获得单元，所述第二获得单元用于将第一用户需求信息输入所述在线教育资源数据库中进行遍历，获得第一教育资源产品信息集；

第三获得单元，所述第三获得单元用于基于所述第一教育资源产品信息集，获得教育资源评价指标信息；

第一生成单元，所述第一生成单元用于获得评价主体信息，根据所述评价主体信息生成评价维度集合；

第二生成单元，所述第二生成单元用于基于所述评价维度集合和所述教育资源评价指标信息，对各教育资源产品进行评价，生成教育资源评价矩阵集；

第四获得单元，所述第四获得单元用于获得所述评价维度集合中各维度评价系数，并基于所述各维度评价系数和所述教育资源评价矩阵集，获得多维教育资源评价矩阵集；

第五获得单元，所述第五获得单元用于根据所述多维教育资源评价矩阵集对所述各教育资源产品进行降序排序，获得第一教育资源排序结果；

第一处理单元，所述第一处理单元用于基于所述第一教育资源排序结果，对所述第一教育资源产品信息集进行推荐展示。

2.如权利要求1所述的系统，其特征在于，所述第一获得单元还包括：

第一构建单元，所述第一构建单元用于基于所述在线教育云平台，构建数据资源分层库，其中，所述数据资源分层库包括数据控制层、服务层以及数据访问层；

第六获得单元，所述第六获得单元用于通过所述数据访问层，对教育数据信息进行访问采集，获得在线教育数据信息集；

第七获得单元，所述第七获得单元用于根据所述数据控制层对所述在线教育数据信息集进行汇聚、整合，获得在线教育标准数据信息集；

第二构建单元，所述第二构建单元用于对所述在线教育标准数据信息集进行聚类分析，构建所述在线教育资源数据库。

3.如权利要求2所述的系统，其特征在于，所述系统包括：

第八获得单元，所述第八获得单元用于基于自然语言处理算法对所述在线教育标准数据信息集进行关键词提取，获得教育数据关键词；

第九获得单元，所述第九获得单元用于按照所述教育数据关键词进行内容分类，获得在线教育类别；

第十获得单元，所述第十获得单元用于对所述在线教育标准数据信息集进行结构分类，获得数据格式信息；

第三构建单元，所述第三构建单元用于基于所述在线教育类别和所述数据格式信息进行综合分类，构建所述在线教育资源数据库。

4.如权利要求3所述的系统，其特征在于，所述系统包括：

第十一获得单元，所述第十一获得单元用于将所述教育数据关键词输入语义分析模型中，获得语义分析结果；

第十二获得单元，所述第十二获得单元用于根据所述语义分析结果对所述教育数据关键词进行语义扩展，获得教育数据搜索词；

第二处理单元，所述第二处理单元用于基于所述教育数据搜索词对所述在线教育资源数据库进行数据资源检索。

5.如权利要求1所述的系统，其特征在于，所述系统包括：

第十三获得单元，所述第十三获得单元用于按照服务对象类型对第一用户进行层级分析，获得第一用户层级；

第三处理单元，所述第三处理单元用于构建资源服务标签库，根据所述资源服务标签库对第一用户的历史访问信息进行分类标记，获得第一用户标签信息；

第四构建单元，所述第四构建单元用于基于所述第一用户层级和所述第一用户标签信息，构建第一用户画像信息；

第四处理单元，所述第四处理单元用于通过所述第一用户画像信息，对所述第一用户进行教育资源推荐。

6.如权利要求5所述的系统，其特征在于，所述系统包括：

第十四获得单元，所述第十四获得单元用于获得资源推荐展示内容的推荐量和客户点击量；

第十五获得单元，所述第十五获得单元用于基于所述客户点击量和所述推荐量的比值，获得推荐偏好度；

第十六获得单元，所述第十六获得单元用于如果所述推荐偏好度未达到预设偏好度，获得未点击内容信息；

第一修正单元，所述第一修正单元用于获得所述未点击内容信息的关键词集合，根据所述关键词集合对所述第一用户画像信息进行修正。

7.如权利要求6所述的系统，其特征在于，所述系统包括：

第十七获得单元，所述第十七获得单元用于获得所述资源推荐展示内容的关联内容点击信息；

第十八获得单元，所述第十八获得单元用于对所述关联内容点击信息和所述资源推荐展示内容的关键词求交集，获得关联关键词集合；

第十九获得单元，所述第十九获得单元用于对所述关联关键词集合进行关联性分析，获得第一内容关联系数；

第二修正单元，所述第二修正单元用于根据所述第一内容关联系数，对所述推荐偏好度进行修正。

8.一种基于云平台的在线教育推荐管理方法，其特征在于，所述方法应用于一种基于云平台的在线教育推荐管理系统，所述方法包括：

通过在线教育云平台获得在线教育资源数据库；

将第一用户需求信息输入所述在线教育资源数据库中进行遍历，获得第一教育资源产品信息集；

基于所述第一教育资源产品信息集，获得教育资源评价指标信息；

获得评价主体信息，根据所述评价主体信息生成评价维度集合；

用于基于所述评价维度集合和所述教育资源评价指标信息，对各教育资源产品进行评价，生成教育资源评价矩阵集；

获得所述评价维度集合中各维度评价系数，并基于所述各维度评价系数和所述教育资源评价矩阵集，获得多维教育资源评价矩阵集；

根据所述多维教育资源评价矩阵集对所述各教育资源产品进行降序排序，获得第一教育资源排序结果；

基于所述第一教育资源排序结果，对所述第一教育资源产品信息集进行推荐展示。

9.一种基于云平台的在线教育推荐管理电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述系统中的步骤。

10.一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，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述系统中的步骤。

Images