CN116070861B - 一种基于动态学习目标的课程定制方法和装置 - Google Patents
一种基于动态学习目标的课程定制方法和装置 Download PDFInfo
- Publication number
- CN116070861B CN116070861B CN202310116151.2A CN202310116151A CN116070861B CN 116070861 B CN116070861 B CN 116070861B CN 202310116151 A CN202310116151 A CN 202310116151A CN 116070861 B CN116070861 B CN 116070861B
- Authority
- CN
- China
- Prior art keywords
- dimension
- value
- time
- target
- target dimension
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000006870 function Effects 0.000 claims description 76
- 239000011159 matrix material Substances 0.000 claims description 33
- 230000008859 change Effects 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Educational Technology (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于动态学习目标的课程定制方法和装置,其中,方法包括:通过获取用户的意向学校,并获取到实时报考要求,从中筛选出目标维度,然后根据历史报考要求对目标维度的加权和与时间进行拟合,以及根据用户的考试时间得到用户的动态学习目标,进而实现课程的定制。本发明的有益效果:实现了可以根据学校的要求进行专业的细分学习从而可以将学生进行定向培养,符合学校的报考要求。
Description
技术领域
本发明涉及人工智能领域,特别涉及一种基于动态学习目标的课程定制方法和装置。
背景技术
随着科学技术的不断发展,各个学校对于学生的录取也越来越趋向于专业细分化、交叉化,并且随着时代不断的变化,对于学生的报考要求也在不断发生变化,现有培养学生的方式主要是通过确定的学习目标进行有计划的培养,然而这样的一种培养方式难以适应学校的报考要求,导致人才的培养一般趋向于大众化,进而导致人才的学习无法趋向于细分化,不能很好的贴合时代的发展。
发明内容
本发明的主要目的为提供一种基于动态学习目标的课程定制方法和装置,旨在解决通过确定的学习目标培养的人才不能很好的贴合时代的发展的问题。
本发明提供了一种基于动态学习目标的课程定制方法,包括:
接收用户输入的多个意向学校;
基于所述意向学校实时获取对应的多个实时报考要求;
提取所述多个实时报考要求中各个预设维度对应的所述维度数值,得到各维度对应的维度数值集合;
计算各所述维度数值集合的数据波动指标值;所述数据波动指标值用于反应所述维度数值集合中的波动情况;
选取波动指标值大于预设指标值的预设维度作为目标维度;
按照时间顺序获取多个历史报考要求,并获取所述历史报考要求中对应的目标维度的目标维度数值;
基于各个历史报考要求的目标维度数值分别对应设置各个目标维度数值的第一权重值,以及根据时间顺序计算相邻两个历史报考要求的目标维度值之间的维度差值,并加权求和得到平均维度差值;
基于所述维度差值并根据softmax函数设置相邻两个历史报考要求中时序靠后的历史报考要求的第二权重值,以及将第一个历史报考要求的第二权重值设置为常数;
将各个历史报考要求的目标维度数值以及对应的第一权重值和第二权重值进行加权求和,得到各个历史报考要求中各个目标维度数值的加权和;
通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数;
接收用户输入的考试时间,并输入至拟合函数中,得到对应的各个目标维度数值的加权和;
基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程。
进一步地,所述通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数的步骤,包括:
通过公式计算每个目标维度的变化率,其中,m表示时刻,Pl+m表示时刻为l+m时的第k个目标维度对应的加权和,Pl-m表示时刻为l-m时第k个目标维度对应的加权和,ykl’表示在时刻为l时第k个目标维度的变化率;
通过误差最小值计算公式限定待拟合曲线与同一目标维度的各个加权和之间的误差最小值,并对拟合函数进行拟合,得到每个目标维度的拟合函数fk(xk)=a0k+a1kxk+…+atkxk t,其中,a0k,a1k...,atk均为常数,xkl表示第l个时刻,δkl表示时刻为xkl时第k个目标维度的误差值,δ’kl表示时刻为xkl时第k个目标维度的变化率误差值,fk(xkl)表示时刻为xkl时第k个目标维度对应限定拟合曲线的拟合值,ykl表示时刻为xkl时第k个目标维度的实际值,fk’(xkl)为限定拟合曲线在时刻为xkl时的导数,n表示时刻的个数。
进一步地,所述对拟合函数进行拟合,得到每个目标维度的拟合函数的步骤,包括:
对所述误差最小值计算公式的两个等式右边取偏导,得到转化为矩阵并化简得到式①的第一矩阵/>以及式②的第二矩阵/>其中,x1~xn表示时刻,y1~yn表示实际值,y1’~yn’表示拟合值;
根据所述第一矩阵和所述第二矩阵,求出参数a0k,a1k...,atk并分别代入所述待拟合曲线中,得到每个目标维度的拟合函数。
进一步地,所述基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程的步骤,包括:
基于所述加权和以及各个加权和所对应的目标维度生成动态学习目标;
根据所述动态学习目标的目标维度为用户匹配一个或者多个课程信息;
根据各个加权和的值分配各种课程信息的学习时间比例,从而得到对应的定制课程。
进一步地,所述根据所述动态学习目标的目标维度为用户匹配一个或者多个课程信息的步骤,包括:
根据所述多个意向学校获取多个相似的多个已有定制课程;
分析各个所述已有定制课程的学习内容,并根据所述意向学校从所述学习内容中挑选出必要学习内容;
按照所述学习内容确定对应的课程信息。
本发明还提供了一种基于动态学习目标的课程定制装置,包括:
第一接收模块,用于接收用户输入的多个意向学校;
第一获取模块,用于基于所述意向学校实时获取对应的多个实时报考要求;
提取模块,用于提取所述多个实时报考要求中各个预设维度对应的所述维度数值,得到各维度对应的维度数值集合;
计算模块,用于计算各所述维度数值集合的数据波动指标值;所述数据波动指标值用于反应所述维度数值集合中的波动情况;
选取模块,用于选取波动指标值大于预设指标值的预设维度作为目标维度;
第二获取模块,用于按照时间顺序获取多个历史报考要求,并获取所述历史报考要求中对应的目标维度的目标维度数值;
第一设置模块,用于基于各个历史报考要求的目标维度数值分别对应设置各个目标维度数值的第一权重值,以及根据时间顺序计算相邻两个历史报考要求的目标维度值之间的维度差值,并加权求和得到平均维度差值;
第二设置模块,用于基于所述维度差值并根据softmax函数设置相邻两个历史报考要求中时序靠后的历史报考要求的第二权重值,以及将第一个历史报考要求的第二权重值设置为常数;
求和模块,用于将各个历史报考要求的目标维度数值以及对应的第一权重值和第二权重值进行加权求和,得到各个历史报考要求中各个目标维度数值的加权和;
拟合模块,用于通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数;
第二接收模块,用于接收用户输入的考试时间,并输入至拟合函数中,得到对应的各个目标维度数值的加权和;
第三设置模块,用于基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程。
进一步地,所述拟合模块,包括:
变化率计算子模块,用于通过公式计算每个目标维度的变化率,其中,m表示时刻,Pl+m表示时刻为l+m时的第k个目标维度对应的加权和,Pl-m表示时刻为l-m时第k个目标维度对应的加权和,ykl’表示在时刻为l时第k个目标维度的变化率;
误差最小值计算子模块,用于通过误差最小值计算公式限定待拟合曲线与同一目标维度的各个加权和之间的误差最小值,并对拟合函数进行拟合,得到每个目标维度的拟合函数fk(xk)=a0k+a1kxk+…+atkxk t,其中,a0k,a1k...,atk均为常数,xkl表示第l个时刻,δkl表示时刻为xkl时第k个目标维度的误差值,δ’kl表示时刻为xkl时第k个目标维度的变化率误差值,fk(xkl)表示时刻为xkl时第k个目标维度对应限定拟合曲线的拟合值,ykl表示时刻为xkl时第k个目标维度的实际值,fk’(xkl)为限定拟合曲线在时刻为xkl时的导数,n表示时刻的个数。
进一步地,所述误差最小值计算子模块,包括:
偏导单元,用于对所述误差最小值计算公式的两个等式右边取偏导,得到转化为矩阵并化简得到式①的第一矩阵/> 以及式②的第二矩阵/>其中,x1~xn表示时刻,y1~yn表示实际值,y1’~yn’表示拟合值;
计算单元,用于根据所述第一矩阵和所述第二矩阵,求出参数a0k,a1k...,atk并分别代入所述待拟合曲线中,得到每个目标维度的拟合函数。
进一步地,第三设置模块,包括:
动态学习目标生成子模块,用于基于所述加权和以及各个加权和所对应的目标维度生成动态学习目标;
匹配子模块,用于根据所述动态学习目标的目标维度为用户匹配一个或者多个课程信息;
分配子模块,用于根据各个加权和的值分配各种课程信息的学习时间比例,从而得到对应的定制课程。
进一步地,所述匹配子模块,包括:
获取单元,用于根据所述多个意向学校获取多个相似的多个已有定制课程;
分析单元,用于分析各个所述已有定制课程的学习内容,并根据所述意向学校从所述学习内容中挑选出必要学习内容;
确定单元,用于按照所述学习内容确定对应的课程信息。
本发明的有益效果:通过获取用户的意向学校,并获取到实时报考要求,从中筛选出目标维度,然后根据历史报考要求对目标维度的加权和与时间进行拟合,以及根据用户的考试时间得到用户的动态学习目标,进而实现课程的定制,实现了可以根据学校的要求进行专业的细分学习从而可以将学生进行定向培养,符合学校的报考要求。
附图说明
图1是本发明一实施例的一种基于动态学习目标的课程定制方法的流程示意图;
图2是本发明一实施例的一种基于动态学习目标的课程定制装置的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变,所述的连接可以是直接连接,也可以是间接连接。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参照图1,本发明提出1.一种基于动态学习目标的课程定制方法,包括:
S1:接收用户输入的多个意向学校;
S2:基于所述意向学校实时获取对应的多个实时报考要求;
S3:提取所述多个实时报考要求中各个预设维度对应的所述维度数值,得到各维度对应的维度数值集合;
S4:计算各所述维度数值集合的数据波动指标值;所述数据波动指标值用于反应所述维度数值集合中的波动情况;
S5:选取波动指标值大于预设指标值的预设维度作为目标维度;
S6:按照时间顺序获取多个历史报考要求,并获取所述历史报考要求中对应的目标维度的目标维度数值;
S7:基于各个历史报考要求的目标维度数值分别对应设置各个目标维度数值的第一权重值,以及根据时间顺序计算相邻两个历史报考要求的目标维度值之间的维度差值,并加权求和得到平均维度差值;
S8:基于所述维度差值并根据softmax函数设置相邻两个历史报考要求中时序靠后的历史报考要求的第二权重值,以及将第一个历史报考要求的第二权重值设置为常数;
S9:将各个历史报考要求的目标维度数值以及对应的第一权重值和第二权重值进行加权求和,得到各个历史报考要求中各个目标维度数值的加权和;
S10:通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数;
S11:接收用户输入的考试时间,并输入至拟合函数中,得到对应的各个目标维度数值的加权和;
S12:基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程。
如上述步骤S1所述,接收用户输入的多个意向学校,其中,意向学校为用户想要就读的学校,对应的意向学校具体可以是具体的学校,其可以包括学校的名称,也可以是学校的说明,本申请对此不作限定,可以用于指示用户想要就读的学校即可。其中,意向学校例如为大学(尤其是硕士、博士考试中的复试环节)、中小学、职业技术学校、技能培训学校等等。
如上述步骤S2所述,基于所述意向学校实时获取对应的多个实时报考要求,其中,根据意向学校可以获取到多个学校的报考要求,获取的渠道不作限定,例如可以从各个学校的网页获取,也可以是从线下获取,然后进行人工输入等方式,从而获取到多个实时报考要求,需要说明的是,报考要求为学校对学生的要求,具体可以是各种证书,学业成绩,所学内容,掌握的技能等。
如上述步骤S3所述,提取所述多个实时报考要求中各个预设维度对应的所述维度数值,得到各维度对应的维度数值集合,其中,预设维度为预先设定的维度,其可以根据具体的报考要求生成,即从现有的报考要求中获取到对各个维度的要求,从而确定预设维度,当然,维度信息不是具体的数值,可以预先设定维度信息与对应维度数值的对应关系,从而可以从实时报考要求中获取到对应的维度数值。
如上述步骤S4所述,计算各所述维度数值集合的数据波动指标值;所述数据波动指标值用于反应所述维度数值集合中的波动情况;具体地,该波动指标值可以是计算维度数值集合的方差平均差,也可以是其他的计算方式,在一个具体的实施例中,其具体可以是提取所述维度数值集合中的最大值与最小值;根据公式计算每个所述维度数值集合对应的维度数值的标准值,其中,xij表示第j个所述维度数值数据集合中第i个所述维度数值,min(xij)表示第j个所述维度数值数据集合中元素的最小值,max(xij)第j个所述维度数值数据集合中元素的最大值,Yij表示所述维度数值数据集合中第i个维度数值对应的所述标准值;根据公式/>计算各个所述维度数值集合的数据波动指标值,其中/>其中,Ej表示第j个所述维度数值集合的所述数据波动指标值,当pij=0时,定义/>pij表示第j个所述维度数值集合的第i个所述维度数值对应的概率值,n表示所述维度数值集合的个数,其充分考虑了同一维度中各个维度数值的波动情况,并且也充分考虑了极个别值对整体数据波动指标值所带来的影响,使计算的数据波动指标值更具有参考性。
如上述步骤S5所述,选取波动指标值大于预设指标值的预设维度作为目标维度,其中,预设指标值为人为预先设定的值,其具体可以通过经验进行设置,当大于该预设维度时,则说明该维度(即目标维度)在各个学校中的变化情况较大,属于加分项,因此,对于这类维度需要进行课程的设计,需要说明的是,本申请针对的是对于一些选修课程的课程定制,并非对必修的课程进行课程定制,因此,筛选的维度为波动指标值较大的维度。
如上述步骤S6所述,按照时间顺序获取多个历史报考要求,并获取所述历史报考要求中对应的目标维度的目标维度数值,其中获取到多个历史报考要求可以得到目标维度数值的变化规律,从而便于后续得到动态学习目标。需要说明的是历史报考要求为不同时间段内的历史报考要求,优选为同一学校的历史报考要求,并获取所述历史报考要求中对应的目标维度的目标维度数值,获取的方式与前述获取维度数值的方式相同,此处不再赘述。
如上述步骤S7所述,基于各个历史报考要求的目标维度数值分别对应设置各个目标维度数值的第一权重值,以及根据时间顺序计算相邻两个历史报考要求的目标维度值之间的维度差值,并加权求和得到平均维度差值,计算第一权重值的方式可以是通过公式αi=softmax(si)基于该目标维度数值设定各个所述历史报考要求的第一权重值,si表示目标维度数值,αi表示第一权重值。
如上述步骤S8-S9所述,基于所述维度差值并根据softmax函数设置相邻两个历史报考要求中时序靠后的历史报考要求的第二权重值,以及将第一个历史报考要求的第二权重值设置为常数,具体地,softmax函数与上述计算第一权重值的方式相同,此处不再赘述,即考虑了目标维度数值的具体值后,还需要考虑目标维度数值随着时间的变化情况而变化的幅度,从而可以确定出目标维度占据的重要程度,便于后续对于目标维度进行重要性的准确识别,避免部分学校的报考要求过于偏僻从而导致误差。另外加权和可以是目标维度数值以及对应的第一权重值和第二权重值进行加权求和,即将目标维度数值以及对应的第一权重值和第二权重值分别乘以各自对应的预设权重,然后进行求和,预设权重为预先设定的值。
如上述步骤S10-S12所述,通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数;接收用户输入的考试时间,并输入至拟合函数中,得到对应的各个目标维度数值的加权和;基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程。需要说明的是,拟合的方式不作限定,可以是多项式拟合,也可以是一次函数的拟合,二次函数的拟合,优选使用多项式函数拟合,具体的拟合方式后续有详细说明,此处不再赘述。根据拟合函数以及用户输入的考试时间,从而可以得到各个目标维度数值的加权和,进而可以得到动态学习目标,需要说明的是,根据加权和与目标维度的关系可以得到期望目标维度的数值,进而可以得到对应的动态学习目标,即可以建立加权和与期望的学习目标之间的对应关系,从而可以得到动态学习目标,进而设置各种科目的学习时间比例,从而得到对应的定制课程。从而实现了可以根据学校的要求进行专业的细分学习,从而可以将学生进行定向培养,符合学校的报考要求。
在一个实施例中,所述通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数的步骤S10,包括:
S1001:通过公式计算每个目标维度的变化率,其中,m表示时刻,Pl+m表示时刻为l+m时的第k个目标维度对应的加权和,Pl-m表示时刻为l-m时第k个目标维度对应的加权和,ykl’表示在时刻为l时第k个目标维度的变化率;
S1002:通过误差最小值计算公式限定待拟合曲线与同一目标维度的各个加权和之间的误差最小值,并对拟合函数进行拟合,得到每个目标维度的拟合函数fk(xk)=a0k+a1kxk+…+atkxk t,其中,a0k,a1k...,atk均为常数,xkl表示第l个时刻,δkl表示时刻为xkl时第k个目标维度的误差值,δ’kl表示时刻为xkl时第k个目标维度的变化率误差值,fk(xkl)表示时刻为xkl时第k个目标维度对应限定拟合曲线的拟合值,ykl表示时刻为xkl时第k个目标维度的实际值,fk’(xkl)为限定拟合曲线在时刻为xkl时的导数,n表示时刻的个数。
如上述步骤S1001-S1002所述,需要说明的是,本申请在考虑拟合函数时,不仅考虑了各个加权和对应的实际值,还考虑了其变化的情况(即变化率),从而使得拟合的函数更加精确,因此可以根据对应待拟合曲线与各个加权和对应的数值之间的误差最小值得到拟合函数,再通过变化率对各个拟合函数进行拟合,用于将各个所述拟合函数进行整合,得到目标变化曲线;其中整合的公式为f(x)=min{f1(x),f2(x),...fk(x),...fn(x)},fk(x)表示第k个目标维度的拟合函数,x表示时刻。
在一个实施例中,所述对拟合函数进行拟合,得到每个目标维度的拟合函数的步骤S1002,包括:
S10021:对所述误差最小值计算公式的两个等式右边取偏导,得到转化为矩阵并化简得到式①的第一矩阵/>以及式②的第二矩阵/>其中,x1~xn表示时刻,y1~yn表示实际值,y1’~yn’表示拟合值;
S10022:根据所述第一矩阵和所述第二矩阵,求出参数a0k,a1k...,atk并分别代入所述待拟合曲线中,得到每个目标维度的拟合函数。
如上述步骤S10021-S10022所述,计算公式的两个等式右边取偏导,得到转化为矩阵并化简得到式①的第一矩阵以及式②的第二矩阵/>充分考虑了其加权和对应的值以及变化率,从而使得到的拟合函数更加精确。
在一个实施例中,所述基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程的步骤S12,包括:
S1201:基于所述加权和以及各个加权和所对应的目标维度生成动态学习目标;
S1202:根据所述动态学习目标的目标维度为用户匹配一个或者多个课程信息;
S1203:根据各个加权和的值分配各种课程信息的学习时间比例,从而得到对应的定制课程。
如上述步骤S1201-S1203所述,实现了对定制课程的设定,具体地,根据基于所述加权和以及各个加权和所对应的目标维度生成动态学习目标,实际上为目标维度所预期达到的一个目标维度数值,然后根据对应的目标维度匹配多个课程信息,再根据对应的目标维度数值确定学习时间比例,从而可以得到定制课程。
在一个实施例中,所述根据所述动态学习目标的目标维度为用户匹配一个或者多个课程信息的步骤S1202,包括
S12021:根据所述多个意向学校获取多个相似的多个已有定制课程;
S12022:分析各个所述已有定制课程的学习内容,并根据所述意向学校从所述学习内容中挑选出必要学习内容;
S12023:按照所述学习内容确定对应的课程信息。
如上述步骤S12021-S12023所述,实现了课程信息的确定。即根据所述多个意向学校获取多个相似的多个已有定制课程,在定制课程时,很多的学习内容都是相关课程所共有的,故而可以从所述学习内容中挑选出必要学习内容,但不同的已有定制课程也有其独特的学习内容,因此需要检测学习内容是否为意向学校的必要性能,具体地检测的方法为判断该意向学校在各个已有定制课程的出现率是否达到了预设的出现率,若没有达到,则说明该学习内容为意向学校的非必要学习内容。若达到了则说明该学习内容为意向学校的必要性能,然后根据必要学习内所属的类别,确定对应的课程信息。
本发明的有益效果:通过获取用户的意向学校,并获取到实时报考要求,从中筛选出目标维度,然后根据历史报考要求对目标维度的加权和与时间进行拟合,以及根据用户的考试时间得到用户的动态学习目标,进而实现课程的定制,实现了可以根据学校的要求进行专业的细分学习,从而可以将学生进行定向培养,符合学校的报考要求。
参照图2,本发明还提供了一种基于动态学习目标的课程定制装置,包括:
第一接收模块10,用于接收用户输入的多个意向学校;
第一获取模块20,用于基于所述意向学校实时获取对应的多个实时报考要求;
提取模块30,用于提取所述多个实时报考要求中各个预设维度对应的所述维度数值,得到各维度对应的维度数值集合;
计算模块40,用于计算各所述维度数值集合的数据波动指标值;所述数据波动指标值用于反应所述维度数值集合中的波动情况;
选取模块50,用于选取波动指标值大于预设指标值的预设维度作为目标维度;
第二获取模块60,用于按照时间顺序获取多个历史报考要求,并获取所述历史报考要求中对应的目标维度的目标维度数值;
第一设置模块70,用于基于各个历史报考要求的目标维度数值分别对应设置各个目标维度数值的第一权重值,以及根据时间顺序计算相邻两个历史报考要求的目标维度值之间的维度差值,并加权求和得到平均维度差值;
第二设置模块80,用于基于所述维度差值并根据softmax函数设置相邻两个历史报考要求中时序靠后的历史报考要求的第二权重值,以及将第一个历史报考要求的第二权重值设置为常数;
求和模块90,用于将各个历史报考要求的目标维度数值以及对应的第一权重值和第二权重值进行加权求和,得到各个历史报考要求中各个目标维度数值的加权和;
拟合模块100,用于通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数;
第二接收模块110,用于接收用户输入的考试时间,并输入至拟合函数中,得到对应的各个目标维度数值的加权和;
第三设置模块120,用于基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程。
在一个实施例中,所述拟合模块100,包括:
变化率计算子模块,用于通过公式计算每个目标维度的变化率,其中,m表示时刻,Pl+m表示时刻为l+m时的第k个目标维度对应的加权和,Pl-m表示时刻为l-m时第k个目标维度对应的加权和,ykl’表示在时刻为l时第k个目标维度的变化率;
误差最小值计算子模块,用于通过误差最小值计算公式限定待拟合曲线与同一目标维度的各个加权和之间的误差最小值,并对拟合函数进行拟合,得到每个目标维度的拟合函数fk(xk)=a0k+a1kxk+…+atkxk t,其中,a0k,a1k...,atk均为常数,xkl表示第l个时刻,δkl表示时刻为xkl时第k个目标维度的误差值,δ’kl表示时刻为xkl时第k个目标维度的变化率误差值,fk(xkl)表示时刻为xkl时第k个目标维度对应限定拟合曲线的拟合值,ykl表示时刻为xkl时第k个目标维度的实际值,fk’(xkl)为限定拟合曲线在时刻为xkl时的导数,n表示时刻的个数。
在一个实施例中,所述误差最小值计算子模块,包括:
偏导单元,用于对所述误差最小值计算公式的两个等式右边取偏导,得到转化为矩阵并化简得到式①的第一矩阵/> 以及式②的第二矩阵/>其中,x1~xn表示时刻,y1~yn表示实际值,y1’~yn’表示拟合值;
计算单元,用于根据所述第一矩阵和所述第二矩阵,求出参数a0k,a1k...,atk并分别代入所述待拟合曲线中,得到每个目标维度的拟合函数。
在一个实施例中,第三设置模块120,包括:
动态学习目标生成子模块,用于基于所述加权和以及各个加权和所对应的目标维度生成动态学习目标;
匹配子模块,用于根据所述动态学习目标的目标维度为用户匹配一个或者多个课程信息;
分配子模块,用于根据各个加权和的值分配各种课程信息的学习时间比例,从而得到对应的定制课程。
在一个实施例中,所述匹配子模块,包括:
获取单元,用于根据所述多个意向学校获取多个相似的多个已有定制课程;
分析单元,用于分析各个所述已有定制课程的学习内容,并根据所述意向学校从所述学习内容中挑选出必要学习内容;
确定单元,用于按照所述学习内容确定对应的课程信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM一多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (6)
1.一种基于动态学习目标的课程定制方法,其特征在于,包括:
接收用户输入的多个意向学校;
基于所述意向学校实时获取对应的多个实时报考要求;
提取所述多个实时报考要求中各个预设维度对应的维度数值,得到各维度对应的维度数值集合;
计算各所述维度数值集合的数据波动指标值;所述数据波动指标值用于反应所述维度数值集合中的波动情况;
选取波动指标值大于预设指标值的预设维度作为目标维度;
按照时间顺序获取多个历史报考要求,并获取所述历史报考要求中对应的目标维度的目标维度数值;
基于各个历史报考要求的目标维度数值分别对应设置各个目标维度数值的第一权重值,以及根据时间顺序计算相邻两个历史报考要求的目标维度值之间的维度差值,并加权求和得到平均维度差值;
基于所述维度差值并根据softmax函数设置相邻两个历史报考要求中时序靠后的历史报考要求的第二权重值,以及将第一个历史报考要求的第二权重值设置为常数;
将各个历史报考要求的目标维度数值以及对应的第一权重值和第二权重值进行加权求和,得到各个历史报考要求中各个目标维度数值的加权和;
通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数;
接收用户输入的考试时间,并输入至拟合函数中,得到对应的各个目标维度数值的加权和;
基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程;
所述通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数的步骤,包括:
通过公式计算每个目标维度的变化率,其中,m表示时刻,Pl+m表示时刻为l+m时的第k个目标维度对应的加权和,Pl-m表示时刻为l-m时第k个目标维度对应的加权和,ykl’表示在时刻为l时第k个目标维度的变化率;
通过误差最小值计算公式限定待拟合曲线与同一目标维度的各个加权和之间的误差最小值,并对拟合函数进行拟合,得到每个目标维度的拟合函数fk(xk)=a0k+a1kxk+…+atkxk t,其中,a0k,a1k...,atk均为常数,xkl表示第l个时刻,δkl表示时刻为xkl时第k个目标维度的误差值,δ’kl表示时刻为xkl时第k个目标维度的变化率误差值,fk(xkl)表示时刻为xkl时第k个目标维度对应限定拟合曲线的拟合值,ykl表示时刻为xkl时第k个目标维度的实际值,fk’(xkl)为限定拟合曲线在时刻为xkl时的导数,n表示时刻的个数;
所述对拟合函数进行拟合,得到每个目标维度的拟合函数的步骤,包括:
对所述误差最小值计算公式的两个等式右边取偏导,得到转化为矩阵并化简得到式①的第一矩阵/>以及式②的第二矩阵/>其中,x1~xn表示时刻,y1~yn表示实际值,y1’~yn’表示拟合值;
根据所述第一矩阵和所述第二矩阵,求出参数a0k,a1k...,atk并分别代入所述待拟合曲线中,得到每个目标维度的拟合函数。
2.如权利要求1所述的基于动态学习目标的课程定制方法,其特征在于,所述基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程的步骤,包括:
基于所述加权和以及各个加权和所对应的目标维度生成动态学习目标;
根据所述动态学习目标的目标维度为用户匹配一个或者多个课程信息;
根据各个加权和的值分配各种课程信息的学习时间比例,从而得到对应的定制课程。
3.如权利要求2所述的基于动态学习目标的课程定制方法,其特征在于,所述根据所述动态学习目标的目标维度为用户匹配一个或者多个课程信息的步骤,包括:
根据所述多个意向学校获取多个相似的多个已有定制课程;
分析各个所述已有定制课程的学习内容,并根据所述意向学校从所述学习内容中挑选出必要学习内容;
按照所述必要学习内容确定对应的课程信息。
4.一种基于动态学习目标的课程定制装置,其特征在于,包括:
第一接收模块,用于接收用户输入的多个意向学校;
第一获取模块,用于基于所述意向学校实时获取对应的多个实时报考要求;
提取模块,用于提取所述多个实时报考要求中各个预设维度对应的维度数值,得到各维度对应的维度数值集合;
计算模块,用于计算各所述维度数值集合的数据波动指标值;所述数据波动指标值用于反应所述维度数值集合中的波动情况;
选取模块,用于选取波动指标值大于预设指标值的预设维度作为目标维度;
第二获取模块,用于按照时间顺序获取多个历史报考要求,并获取所述历史报考要求中对应的目标维度的目标维度数值;
第一设置模块,用于基于各个历史报考要求的目标维度数值分别对应设置各个目标维度数值的第一权重值,以及根据时间顺序计算相邻两个历史报考要求的目标维度值之间的维度差值,并加权求和得到平均维度差值;
第二设置模块,用于基于所述维度差值并根据softmax函数设置相邻两个历史报考要求中时序靠后的历史报考要求的第二权重值,以及将第一个历史报考要求的第二权重值设置为常数;
求和模块,用于将各个历史报考要求的目标维度数值以及对应的第一权重值和第二权重值进行加权求和,得到各个历史报考要求中各个目标维度数值的加权和;
拟合模块,用于通过预设的拟合函数对每个目标维度的加权和以及各个历史报考要求的时间进行拟合,得到各个目标维度的拟合函数;
第二接收模块,用于接收用户输入的考试时间,并输入至拟合函数中,得到对应的各个目标维度数值的加权和;
第三设置模块,用于基于各个加权和得到用户的动态学习目标,并基于所述动态学习目标与课程之间的对应关系,设置各种科目的学习时间比例,从而得到对应的定制课程;
所述拟合模块,包括:
变化率计算子模块,用于通过公式计算每个目标维度的变化率,其中,m表示时刻,Pl+m表示时刻为l+m时的第k个目标维度对应的加权和,Pl-m表示时刻为l-m时第k个目标维度对应的加权和,ykl’表示在时刻为l时第k个目标维度的变化率;
误差最小值计算子模块,用于通过误差最小值计算公式限定待拟合曲线与同一目标维度的各个加权和之间的误差最小值,并对拟合函数进行拟合,得到每个目标维度的拟合函数fk(xk)=a0k+a1kxk+…+atkxk t,其中,a0k,a1k...,atk均为常数,xkl表示第l个时刻,δkl表示时刻为xkl时第k个目标维度的误差值,δ’kl表示时刻为xkl时第k个目标维度的变化率误差值,fk(xkl)表示时刻为xkl时第k个目标维度对应限定拟合曲线的拟合值,ykl表示时刻为xkl时第k个目标维度的实际值,fk’(xkl)为限定拟合曲线在时刻为xkl时的导数,n表示时刻的个数;
所述误差最小值计算子模块,包括:
偏导单元,用于对所述误差最小值计算公式的两个等式右边取偏导,得到转化为矩阵并化简得到式①的第一矩阵/>以及式②的第二矩阵/>其中,x1~xn表示时刻,y1~yn表示实际值,y1’~yn’表示拟合值;
计算单元,用于根据所述第一矩阵和所述第二矩阵,求出参数a0k,a1k...,atk并分别代入所述待拟合曲线中,得到每个目标维度的拟合函数。
5.如权利要求4所述的基于动态学习目标的课程定制装置,其特征在于,第三设置模块,包括:
动态学习目标生成子模块,用于基于所述加权和以及各个加权和所对应的目标维度生成动态学习目标;
匹配子模块,用于根据所述动态学习目标的目标维度为用户匹配一个或者多个课程信息;
分配子模块,用于根据各个加权和的值分配各种课程信息的学习时间比例,从而得到对应的定制课程。
6.如权利要求5所述的基于动态学习目标的课程定制装置,其特征在于,所述匹配子模块,包括:
获取单元,用于根据所述多个意向学校获取多个相似的多个已有定制课程;
分析单元,用于分析各个所述已有定制课程的学习内容,并根据所述意向学校从所述学习内容中挑选出必要学习内容;
确定单元,用于按照所述必要学习内容确定对应的课程信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310116151.2A CN116070861B (zh) | 2023-02-08 | 2023-02-08 | 一种基于动态学习目标的课程定制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310116151.2A CN116070861B (zh) | 2023-02-08 | 2023-02-08 | 一种基于动态学习目标的课程定制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070861A CN116070861A (zh) | 2023-05-05 |
CN116070861B true CN116070861B (zh) | 2023-08-04 |
Family
ID=86169654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310116151.2A Active CN116070861B (zh) | 2023-02-08 | 2023-02-08 | 一种基于动态学习目标的课程定制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070861B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934748A (zh) * | 2019-03-25 | 2019-06-25 | 京工博创(北京)科技有限公司 | 一种基于大数据条件下的个性化课程定制方法 |
CN112070639A (zh) * | 2020-08-27 | 2020-12-11 | 北京国育未来文化发展有限公司 | 动态选科推荐方法、装置、终端及计算机可读存储介质 |
KR20210024963A (ko) * | 2019-08-26 | 2021-03-08 | 박보미 | 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법, 장치 및 컴퓨터-판독가능 기록매체 |
CN112632393A (zh) * | 2020-12-30 | 2021-04-09 | 北京博海迪信息科技有限公司 | 课程推荐方法、装置及电子设备 |
CN113613081A (zh) * | 2021-09-29 | 2021-11-05 | 深圳佳力拓科技有限公司 | 一种基于目标节目推荐模型的节目推荐方法与装置 |
KR102398317B1 (ko) * | 2021-07-01 | 2022-05-16 | (주)뤼이드 | 교육의 공평성을 위한 교육 컨텐츠 추천 방법, 교육 컨텐츠 추천 장치, 및 교육 컨텐츠 추천 시스템 |
CN114722288A (zh) * | 2022-04-14 | 2022-07-08 | 华北电力大学 | 一种基于机器学习的智能课程推荐方法 |
CN114781832A (zh) * | 2022-04-06 | 2022-07-22 | 平安科技(深圳)有限公司 | 课程推荐方法、装置、电子设备及存储介质 |
CN114826427A (zh) * | 2022-04-22 | 2022-07-29 | 广州培生智能科技有限公司 | 一种光网络接收终端 |
CN115146162A (zh) * | 2022-06-30 | 2022-10-04 | 武汉美和易思数字科技有限公司 | 一种在线课程推荐方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6919594B2 (ja) * | 2018-02-23 | 2021-08-18 | 日本電信電話株式会社 | 学習スケジュール生成装置、方法およびプログラム |
US20200111043A1 (en) * | 2018-10-04 | 2020-04-09 | Milan Cheeks | System and method for providing personalized planning |
-
2023
- 2023-02-08 CN CN202310116151.2A patent/CN116070861B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934748A (zh) * | 2019-03-25 | 2019-06-25 | 京工博创(北京)科技有限公司 | 一种基于大数据条件下的个性化课程定制方法 |
KR20210024963A (ko) * | 2019-08-26 | 2021-03-08 | 박보미 | 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법, 장치 및 컴퓨터-판독가능 기록매체 |
CN112070639A (zh) * | 2020-08-27 | 2020-12-11 | 北京国育未来文化发展有限公司 | 动态选科推荐方法、装置、终端及计算机可读存储介质 |
CN112632393A (zh) * | 2020-12-30 | 2021-04-09 | 北京博海迪信息科技有限公司 | 课程推荐方法、装置及电子设备 |
KR102398317B1 (ko) * | 2021-07-01 | 2022-05-16 | (주)뤼이드 | 교육의 공평성을 위한 교육 컨텐츠 추천 방법, 교육 컨텐츠 추천 장치, 및 교육 컨텐츠 추천 시스템 |
CN113613081A (zh) * | 2021-09-29 | 2021-11-05 | 深圳佳力拓科技有限公司 | 一种基于目标节目推荐模型的节目推荐方法与装置 |
CN114781832A (zh) * | 2022-04-06 | 2022-07-22 | 平安科技(深圳)有限公司 | 课程推荐方法、装置、电子设备及存储介质 |
CN114722288A (zh) * | 2022-04-14 | 2022-07-08 | 华北电力大学 | 一种基于机器学习的智能课程推荐方法 |
CN114826427A (zh) * | 2022-04-22 | 2022-07-29 | 广州培生智能科技有限公司 | 一种光网络接收终端 |
CN115146162A (zh) * | 2022-06-30 | 2022-10-04 | 武汉美和易思数字科技有限公司 | 一种在线课程推荐方法及系统 |
Non-Patent Citations (1)
Title |
---|
用矩阵运算实现曲线拟合中的最小二乘法;陈良泽;传感器技术(第02期);第30-31+34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116070861A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lester et al. | Handbook of tests and measurement in education and the social sciences | |
CN109933668B (zh) | 简体汉语文本可读性的分级评估建模方法 | |
CN108960269B (zh) | 数据集的特征获取方法、装置及计算设备 | |
KR20050042743A (ko) | 테스트시스템 및 그 제어방법 | |
Dorozhkin et al. | Optimization of the Subject Matter of Profile Training Disciplines for Bachelors’ Vocational Education on the Basis of Occupational Standards | |
KR102186936B1 (ko) | 지원자 매칭을 위한 평가 시스템 및 방법 | |
Samadi et al. | Comparison of general circulation models: methodology for selecting the best GCM in Kermanshah Synoptic Station, Iran | |
CN116070861B (zh) | 一种基于动态学习目标的课程定制方法和装置 | |
CN114398059A (zh) | 参数的更新方法、装置、设备以及存储介质 | |
CN115222081A (zh) | 学位资源预测方法、装置及计算机设备 | |
Gondra et al. | History of education in Brazil: the construction of a knowledge field | |
Mostoli et al. | Using the Malmquist Index in evaluation process to enhance mathematical literacy in high school students | |
CN112700356B (zh) | 一种实时网络在线教育培训人员管理信息方法及系统 | |
KR20180082329A (ko) | 직무능력 예측을 포함하는 직무 자동매칭 서비스 및 그를 이용하는 컴퓨팅 장치 | |
He | On-demand testing and maintaining standards for general qualifications in the UK using item response theory: possibilities and challenges | |
Adalian | General considerations about data and selection of statistical approaches | |
CN111652767A (zh) | 用户画像构建方法、装置、计算机设备和存储介质 | |
Lammoglia et al. | The VitiTerroir model to simulate the spatial dynamics of vineyards on the long term (1836-2014). Example of application in the department of Indre-et-Loire | |
Mazinani et al. | Prediction of success or fail of students on different educational majors at the end of the high school with artificial neural networks methods | |
CN110634090A (zh) | 一种高考分数换算系统及方法 | |
KR101812750B1 (ko) | 한글 철자 검사지 생성 시스템 | |
Agustin | Implementation of Generative Pre-Trained Transformer 3 Classify-Text in Determining Thesis Supervisor | |
CN109146110A (zh) | 高校录取分数线预测方法、设备及计算机可读存储介质 | |
Kurniawan et al. | A web-based alumni career prediction and analysis system using J48 algorithm | |
Murthy | ON MAHALANOBIS'CONTRIBUTIONS TO THE DEVELOPMENT OF SAMPLE SURVEY THEORY AND METHODS |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |