CN116304315B - 一种网上教学用内容智能推荐系统 - Google Patents
一种网上教学用内容智能推荐系统 Download PDFInfo
- Publication number
- CN116304315B CN116304315B CN202310169467.8A CN202310169467A CN116304315B CN 116304315 B CN116304315 B CN 116304315B CN 202310169467 A CN202310169467 A CN 202310169467A CN 116304315 B CN116304315 B CN 116304315B
- Authority
- CN
- China
- Prior art keywords
- user
- teaching
- video
- content
- value
- 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
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 60
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及网上教学技术领域,具体公开了一种网上教学用内容智能推荐系统,所述系统包括:预处理模块,用于对网上教学内容进行划分;数据采集模块,用于采集用户的操作数据;分析模块,用于对用户的操作数据进行分析,并根据用户的操作数据及划分的教学内容对用户的学习状态进行判断;推荐模块,用于根据判断的用户学习状态推荐对应的教学内容。该系统通过对用户操作数据的分析及提前划分的网上教学内容,进而对用户的学习状态进行及时的判断,进而通过推荐模块根据判断的用户学习状态推荐对应的教学内容,适应性的满足用户的学习进度及学习状态,提高了网上教学的效率及教学效果。
Description
技术领域
本发明涉及网上教学技术领域,具体为一种网上教学用内容智能推荐系统。
背景技术
随着网络普及及智能硬件的广泛使用,教学方式也在发生着改变,从原来单一的授课方式转变到多元化的网络、线下等多种便捷式的教学方式。
在网络教学过程中,尤其是在个人学习过程中,由于网上教学的自主性、开放性、交互性,其虽然为用户的学习提供了选择自由度及学习便利度,但会使得用户的学习过程缺少监管,进而学习过程不够系统化。
同时,现有网上教学对用户的评价方式主要通过考试的方式来判断用户学习的状态或者学习过程中的不足,然而,此种方式存在一定的滞后性,不能及时的对用户的学习状态进行判断,进而,在教学过程中,推送的内容可能与用户实际的需求产生偏差,进而影响用户学习的效率及学习的效果。
发明内容
本发明的目的在于提供一种网上教学用内容智能推荐系统,解决以下技术问题:
如何根据用户实时的状态适应性推送教学内容。
本发明的目的可以通过以下技术方案实现:
一种网上教学用内容智能推荐系统,所述系统包括:
预处理模块,用于对网上教学内容进行划分;
数据采集模块,用于采集用户的操作数据;
分析模块,用于对用户的操作数据进行分析,并根据用户的操作数据及划分的教学内容对用户的学习状态进行判断;
推荐模块,用于根据判断的用户学习状态推荐对应的教学内容。
于一实施例中,所述用户的操作数据包括用户停留页面信息、用户视频观看时间信息、指针停留信息及各信息的对应时间点;
对教学内容划分的过程为:
根据教学内容划分若干个问题点;
针对每个问题点设定与页面、教学视频时段及各自区域的关联性系数;
根据用户操作数据确定用户问题点。
于一实施例中,所述分析模块工作的过程为:
通过公式计算出第i种问题的关注值Yi;
将每种问题的关注值Yi按从大到小的顺序排列,根据排列顺序及每种问题的关注值Yi大小对用户进行教学内容推荐;
其中,n为一次教学过程涉及的页面数,j∈[1,n];σij为第j页面与第i种问题的关联性系数;tbij为用户在该页面的停留时间;tbij0为该页面用户停留的标准时间;wj为指针区域与第i种问题的关联性系数;tpij为用户指针在对应区域停留时间;μ为修正系数;Cm(t)为教学视频累计观看时长曲线;tk~tk+1为第k个时段;ΔS为标准值函数;σk为第k个时段的关联性系数;α1、α2为权重系数。
于一实施例中,所述推荐模块的工作过程为:
将每种问题的关注值Yi分别与阈值进行比对,获取不符合阈值问题的关注值Yi;
按关注值Yi的大小确定出问题关键序列;
将问题关键序列与每个教学视频的标准问题序列进行比对,根据比对重合度确定推荐教学视频。
于一实施例中,所述系统还包括标记分析模块;
所述标记分析模块用于获取用户的标记内容,并通过对标记内容的分析及每种问题的关注值对用户进行教学视频推荐。
于一实施例中,所述标记内容获取的过程包括页面标记获取策略及视频标记获取策略;
所述页面标记获取策略为:
获取用户指针覆盖的文字信息,根据文字信息提取关键词及出现频率;
按照关键词的出现频率确定每个用户的关键词组;
所述视频标记获取策略为:
当用户指针作用于视频上时,视频暂停播出且将提取当前播放帧,通过用户指针在当前播放帧上的痕迹,对标记内容进行识别文字信息,根据文字信息提取关键词及出现频率;
按照关键词的出现频率确定每个用户的关键词组。
于一实施例中,对用户进行教学内容推荐的过程为:
将关键词组与每个教学视频的预设词组进行比对,根据比对结果确定第一推荐视频序列;
根据问题关键序列与每个教学视频的标准问题序列的重合度比对,确定第二推荐视频序列;
根据第一推荐视频序列与第二推荐视频序列的比对,确定最终的推荐视频次序。
于一实施例中,所述系统还包括用户评价模块;
所述用户评价模块用于根据用户不同问题点的关注值历史变化数据来判断用户的学习状态。
于一实施例中,根据用户关注值的历史变化数据判断用户学习状态的过程为:
获取用户历史学习过程的关注值;
计算每次学习过程关注值的状态系数以时间为变量拟合出状态系数Cstate变化的曲线Cstate(t);
基于K值法获取曲线Cstate(t)的K值;
根据K值的大小确定用户的学习状态;
其中,Yx为用户第x次学习过程的关注值,为第x次学习过程对应教学内容的用户平均关注值。
本发明的有益效果:
(1)本发明通过对用户操作数据的分析及提前划分的网上教学内容,进而对用户的学习状态进行及时的判断,进而通过推荐模块根据判断的用户学习状态推荐对应的教学内容,适应性的满足用户的学习进度及学习状态,提高了网上教学的效率及教学效果。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明网上教学用内容智能推荐系统的概要框示意图。
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它实施例,都属于本发明保护的范围。
请参阅图1所示,在一个实施例中,提供了一种网上教学用内容智能推荐系统,所述系统包括:
预处理模块,用于对网上教学内容进行划分;
数据采集模块,用于采集用户的操作数据;
分析模块,用于对用户的操作数据进行分析,并根据用户的操作数据及划分的教学内容对用户的学习状态进行判断;
推荐模块,用于根据判断的用户学习状态推荐对应的教学内容。
通过上述技术方案,本实施例通过提前对教学内容进行划分,同时通过数据采集模块对用户的操作数据进行采集,通过对用户操作数据的分析及提前划分的网上教学内容,进而对用户的学习状态进行及时的判断,进而通过推荐模块根据判断的用户学习状态推荐对应的教学内容,适应性的满足用户的学习进度及学习状态,提高了网上教学的效率及教学效果。
作为本发明的一种实施方式,所述用户的操作数据包括用户停留页面信息、用户视频观看时间信息、指针停留信息及各信息的对应时间点;
对教学内容划分的过程为:
根据教学内容划分若干个问题点;
针对每个问题点设定与页面、教学视频时段及各自区域的关联性系数;
根据用户操作数据确定用户问题点。
通过上述技术方案,本实施例采集的用户操作信息包括用户停留页面信息、用户视频观看时间信息、指针停留信息及各信息的对应时间点,同时,通过提前对教学内容进行划分,根据教学内容划分若干个问题点,针对每个问题点设定与页面、教学视频时段及各自区域的关联性系数,因此,通过用户操作信息与划分后的用户操作信息进行比对,进而能够对用户的学习状态进行判断,在用户每次学习完成后即能对用户对学历内容的关注情况及停留时间来判断其对知识点的了解情况,进而适应性的推荐相应的课程来满足其进一步的学习需求,适应性的提高用户的学习效果与效率。
需要说明的是,用户操作数据获取的方法可基于用户使用的学习平台对应的方式获取,其可基于现有技术实现,在此不作详述,教学内容的划分根据不同课程的具体情况及课程涉及及侧重的问题点进行划分,具体划分过程在此不作进一步详述。
作为本发明的一种实施方式,所述分析模块工作的过程为:
通过公式计算出第i种问题的关注值Yi;
将每种问题的关注值Yi按从大到小的顺序排列,根据排列顺序及每种问题的关注值Yi大小对用户进行教学内容推荐;
其中,n为一次教学过程涉及的页面数,j∈[1,n];σij为第j页面与第i种问题的关联性系数;tbij为用户在该页面的停留时间;tbij0为该页面用户停留的标准时间;wj为指针区域与第i种问题的关联性系数;tpij为用户指针在对应区域停留时间;μ为修正系数;Cm(t)为教学视频累计观看时长曲线;tk~tk+1为第k个时段;ΔS为标准值函数;σk为第k个时段的关联性系数;α1、α2为权重系数。
通过上述技术方案,本实施例提供了一种分析模块根据用户操作数据及划分课程内容进行分析的方法,通过公式 计算出第i种问题的关注值Yi,其中,σij为第j页面与第i种问题的关联性系数;tbij为用户在该页面的停留时间;tbij0为该页面用户停留的标准时间;wj为指针区域与第i种问题的关联性系数;tpij为用户指针在对应区域停留时间;μ为修正系数;Cm(t)为教学视频累计观看时长曲线;tk~tk+1为第k个时段;ΔS为标准值函数;σk为第k个时段的关联性系数;α1、α2为权重系数,因此,为用户在页面部分学习的状况,/>为用户在视频部分的学习状况,因此通过/> 进而能够确定出用户整体的学习关注值Yi,显然,对于某种问题的关注值Yi越高,说明用户对该问题存在疑惑的可能性越大,进而根据不同问题关注值的大小,适应性选择对应问题点相关的教学内容进行推荐,进而能够适应性满足用户的需求。
需要说明的是,权重系数α1、α2根据教学内容中页面内容及视频内容的侧重选择性设定;公式中的关联性系数σij、σk及wj均根据教学内容与设定问题点的关联性提前选择性设定;修正系数μ为固定值,页面用户停留的标准时间tbij0则根据不同页面的内容提前设定;另外,教学视频累计观看时长曲线Cm(t)根据用户的累计观看数据获取,具体统计过程根据本领域常用手段实现;标准值函数ΔS根据同一视频不同片段的整体累计观看数据设定,其反映了教学视频不同时段内容的平均水平。
作为本发明的一种实施方式,所述推荐模块的工作过程为:
将每种问题的关注值Yi分别与阈值进行比对,获取不符合阈值问题的关注值Yi;
按关注值Yi的大小确定出问题关键序列;
将问题关键序列与每个教学视频的标准问题序列进行比对,根据比对重合度确定推荐教学视频。
通过上述技术方案,本实施例提供了一种推荐模块根据用户对不同问题关注值进行视频推荐的方法,具体的,由于不同教学内容存在知识点交叉,因此为了选择出最为适合的推荐内容,本实施例通过将每种问题的关注值Yi分别与阈值进行比对,获取不符合阈值问题的关注值Yi;按关注值Yi的大小确定出问题关键序列;将问题关键序列与每个教学视频的标准问题序列进行比对,选取比对重合度较高的内容作为推荐教学视频,进而使得推荐的教学内容与用户实际需求的问题点相匹配,提高教学效果。
作为本发明的一种实施方式,所述系统还包括标记分析模块;
所述标记分析模块用于获取用户的标记内容,并通过对标记内容的分析及每种问题的关注值对用户进行教学视频推荐。
通过上述技术方案,本实施例的系统还包括了标记分析模块,标记分析模块不仅能够实现基础的用户对教学内容标记的功能,还能够对标记的内容进行分析,根据分析的结果并结合用户对不同问题点的关注度,进而提高了对用户学习状态判断的准确性,保证了推荐教学内容与用户实际状态的适配性。
作为本发明的一种实施方式,所述标记内容获取的过程包括页面标记获取策略及视频标记获取策略;
所述页面标记获取策略为:
获取用户指针覆盖的文字信息,根据文字信息提取关键词及出现频率;
按照关键词的出现频率确定每个用户的关键词组;
所述视频标记获取策略为:
当用户指针作用于视频上时,视频暂停播出且将提取当前播放帧,通过用户指针在当前播放帧上的痕迹,对标记内容进行识别文字信息,根据文字信息提取关键词及出现频率;
按照关键词的出现频率确定每个用户的关键词组。
通过上述技术方案,本实施例提供了获取标记内容的方式,其包括对页面标记内容及视频标记内容的获取,其中,对页面标记内容获取通过用户对页面内容的覆盖状况获取到相关文字信息,同时通过对问题信息进行组合、筛选等过程,获取到关键词及各个关键词出现的频率,进而通过关键词出现的频率确定出关键词组;另外,对于视频标记获取策略,本实施例通过在指针作用于视频上时,通过提取视频播放的当前帧,通过对当前帧上指针的痕迹识别出文字信息,进而通过页面标记获取策略同样的识别方法来获取每个用户的关键词组。
需要说明的是,对文字信息中关键词的提取通过将文字信息与提前预设的词库进行比对,通过比对获取关键词;另外,对播放帧上文字信息的识别通过现有的OCR技术实现,在此进一步详述。
作为本发明的一种实施方式,对用户进行教学内容推荐的过程为:
将关键词组与每个教学视频的预设词组进行比对,根据比对结果确定第一推荐视频序列;
根据问题关键序列与每个教学视频的标准问题序列的重合度比对,确定第二推荐视频序列;
根据第一推荐视频序列与第二推荐视频序列的比对,确定最终的推荐视频次序。
通过上述技术方案,本实施例提供了一种结合用户表计数据进行教学内容推荐的方法,具体地,通过将关键词组与每个教学视频的预设词组进行比对,根据比对结果确定第一推荐视频序列;根据问题关键序列与每个教学视频的标准问题序列的重合度比对,确定第二推荐视频序列;根据第一推荐视频序列与第二推荐视频序列的比对,确定最终的推荐视频次序;通过上述方案,能够结合用户在教学过程中的被动操作数据及主动的操作数据,两者相结合,进而能够获得更加针对的对用户的状态进行准确的判断。
作为本发明的一种实施方式,所述系统还包括用户评价模块;
所述用户评价模块用于根据用户不同问题点的关注值历史变化数据来判断用户的学习状态。
作为本发明的一种实施方式,根据用户关注值的历史变化数据判断用户学习状态的过程为:
获取用户历史学习过程的关注值;
计算每次学习过程关注值的状态系数以时间为变量拟合出状态系数Cstate变化的曲线Cstate(t);
基于K值法获取曲线Cstate(t)的K值;
根据K值的大小确定用户的学习状态;
其中,Yx为用户第x次学习过程的关注值,为第x次学习过程对应教学内容的用户平均关注值。
通过上述技术方案,本实施例提供了一种根据用户不同问题点的关注值历史变化数据判断用户的学习状态的方法,具体的,获取用户历史学习过程的关注值;计算每次学习过程关注值的状态系数以时间为变量拟合出状态系数Cstate变化的曲线Cstate(t);基于K值法获取曲线Cstate(t)的K值;根据K值的大小确定用户的学习状态,其中,/>为第x次学习过程对应教学内容的用户平均关注值,其反应了平均水平,因此状态系数曲线Cstate反映了对该问题点的学习状况,显然,K值小于0时,说明用户对该问题的关注状态逐渐降低,即针对该问题学习效果较优,反之,则说明该问题未得到有效解决,因此,通过针对不同问题点对应的K值进行分析,进而能够从整体来对用户的学习状态进行评价和判断,进而适应性的推荐适合的教学内容。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (6)
1.一种网上教学用内容智能推荐系统,其特征在于,所述系统包括:
预处理模块,用于对网上教学内容进行划分;
数据采集模块,用于采集用户的操作数据;
分析模块,用于对用户的操作数据进行分析,并根据用户的操作数据及划分的教学内容对用户的学习状态进行判断;
推荐模块,用于根据判断的用户学习状态推荐对应的教学内容;
所述用户的操作数据包括用户停留页面信息、用户视频观看时间信息、指针停留信息及各信息的对应时间点;
对教学内容划分的过程为:
根据教学内容划分若干个问题点;
针对每个问题点设定与页面、教学视频时段及各自区域的关联性系数;
根据用户操作数据确定用户问题点;
所述分析模块工作的过程为:
通过公式计算出第i种问题的关注值Yi;
将每种问题的关注值Yi按从大到小的顺序排列,根据排列顺序及每种问题的关注值Yi大小对用户进行教学内容推荐;
其中,n为一次教学过程涉及的页面数,j∈[1,n];σij为第j页面与第i种问题的关联性系数;tbij为用户在该页面的停留时间;tbij0为该页面用户停留的标准时间;wj为指针区域与第i种问题的关联性系数;tpij为用户指针在对应区域停留时间;μ为修正系数;Cm(t)为教学视频累计观看时长曲线;tk~tk+1为第k个时段;ΔS为标准值函数;σk为第k个时段的关联性系数;α1、α2为权重系数;
所述推荐模块的工作过程为:
将每种问题的关注值Yi分别与阈值进行比对,获取不符合阈值问题的关注值Yi;
按关注值Yi的大小确定出问题关键序列;
将问题关键序列与每个教学视频的标准问题序列进行比对,根据比对重合度确定推荐教学视频。
2.根据权利要求1所述的一种网上教学用内容智能推荐系统,其特征在于,所述系统还包括标记分析模块;
所述标记分析模块用于获取用户的标记内容,并通过对标记内容的分析及每种问题的关注值对用户进行教学视频推荐。
3.根据权利要求2所述的一种网上教学用内容智能推荐系统,其特征在于,所述标记内容获取的过程包括页面标记获取策略及视频标记获取策略;
所述页面标记获取策略为:
获取用户指针覆盖的文字信息,根据文字信息提取关键词及出现频率;
按照关键词的出现频率确定每个用户的关键词组;
所述视频标记获取策略为:
当用户指针作用于视频上时,视频暂停播出且将提取当前播放帧,通过用户指针在当前播放帧上的痕迹,对标记内容进行识别文字信息,根据文字信息提取关键词及出现频率;
按照关键词的出现频率确定每个用户的关键词组。
4.根据权利要求3所述的一种网上教学用内容智能推荐系统,其特征在于,对用户进行教学内容推荐的过程为:
将关键词组与每个教学视频的预设词组进行比对,根据比对结果确定第一推荐视频序列;
根据问题关键序列与每个教学视频的标准问题序列的重合度比对,确定第二推荐视频序列;
根据第一推荐视频序列与第二推荐视频序列的比对,确定最终的推荐视频次序。
5.根据权利要求1所述的一种网上教学用内容智能推荐系统,其特征在于,所述系统还包括用户评价模块;
所述用户评价模块用于根据用户不同问题点的关注值历史变化数据来判断用户的学习状态。
6.根据权利要求5所述的一种网上教学用内容智能推荐系统,其特征在于,根据用户关注值的历史变化数据判断用户学习状态的过程为:
获取用户历史学习过程的关注值;
计算每次学习过程关注值的状态系数以时间为变量拟合出状态系数Cstate变化的曲线Cstate(t);
基于K值法获取曲线Cstate(t)的K值;
根据K值的大小确定用户的学习状态;
其中,Yx为用户第x次学习过程的关注值,为第x次学习过程对应教学内容的用户平均关注值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310169467.8A CN116304315B (zh) | 2023-02-27 | 2023-02-27 | 一种网上教学用内容智能推荐系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310169467.8A CN116304315B (zh) | 2023-02-27 | 2023-02-27 | 一种网上教学用内容智能推荐系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116304315A CN116304315A (zh) | 2023-06-23 |
CN116304315B true CN116304315B (zh) | 2024-02-06 |
Family
ID=86835369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310169467.8A Active CN116304315B (zh) | 2023-02-27 | 2023-02-27 | 一种网上教学用内容智能推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116304315B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117492871B (zh) * | 2023-12-29 | 2024-04-23 | 辽宁向日葵数字技术股份有限公司 | 基于低代码的教学活动构建方法及相关设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339562A (zh) * | 2008-08-15 | 2009-01-07 | 北京航空航天大学 | 引入兴趣模型反馈更新机制的门户个性化推荐服务系统 |
CN106131703A (zh) * | 2016-06-28 | 2016-11-16 | 青岛海信传媒网络技术有限公司 | 一种视频推荐的方法和终端 |
CN106528633A (zh) * | 2016-10-11 | 2017-03-22 | 杭州电子科技大学 | 一种基于关键词推荐的视频社会关注度提高方法 |
CN107766484A (zh) * | 2017-10-16 | 2018-03-06 | 南京师范大学 | 一种学习目标导向的知识链推荐方法 |
CN108733851A (zh) * | 2018-08-14 | 2018-11-02 | 合肥诚踏建筑机械服务有限公司 | 一种建筑机械设备安全数据分析评价系统 |
CN109741646A (zh) * | 2018-12-18 | 2019-05-10 | 广雅传媒(武汉)有限公司 | 一种心理健康教育书籍阅读推荐系统及方法 |
CN109859554A (zh) * | 2019-03-29 | 2019-06-07 | 上海乂学教育科技有限公司 | 自适应英语词汇学习分级推题装置及计算机学习系统 |
CN111522970A (zh) * | 2020-04-10 | 2020-08-11 | 广东小天才科技有限公司 | 习题推荐方法、装置、设备及存储介质 |
CN113342761A (zh) * | 2021-08-05 | 2021-09-03 | 深圳启程智远网络科技有限公司 | 一种基于互联网的教学资源共享系统及方法 |
CN113392327A (zh) * | 2021-07-02 | 2021-09-14 | 滨州学院 | 基于用户网站访问记录的图书推荐方法 |
CN114297418A (zh) * | 2021-12-28 | 2022-04-08 | 成都佳发教育科技有限公司 | 一种识别学习情绪进行个性化推荐的系统及方法 |
CN114707074A (zh) * | 2022-06-06 | 2022-07-05 | 深圳尚米网络技术有限公司 | 一种内容推荐方法、设备和系统 |
CN114791963A (zh) * | 2022-04-08 | 2022-07-26 | 布赵春 | 基于人工智能的视频推荐方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10739951B2 (en) * | 2013-09-06 | 2020-08-11 | Knowledge Initiatives LLC | Interactive user interfaces for electronic textbook implementations |
-
2023
- 2023-02-27 CN CN202310169467.8A patent/CN116304315B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339562A (zh) * | 2008-08-15 | 2009-01-07 | 北京航空航天大学 | 引入兴趣模型反馈更新机制的门户个性化推荐服务系统 |
CN106131703A (zh) * | 2016-06-28 | 2016-11-16 | 青岛海信传媒网络技术有限公司 | 一种视频推荐的方法和终端 |
CN106528633A (zh) * | 2016-10-11 | 2017-03-22 | 杭州电子科技大学 | 一种基于关键词推荐的视频社会关注度提高方法 |
CN107766484A (zh) * | 2017-10-16 | 2018-03-06 | 南京师范大学 | 一种学习目标导向的知识链推荐方法 |
CN108733851A (zh) * | 2018-08-14 | 2018-11-02 | 合肥诚踏建筑机械服务有限公司 | 一种建筑机械设备安全数据分析评价系统 |
CN109741646A (zh) * | 2018-12-18 | 2019-05-10 | 广雅传媒(武汉)有限公司 | 一种心理健康教育书籍阅读推荐系统及方法 |
CN109859554A (zh) * | 2019-03-29 | 2019-06-07 | 上海乂学教育科技有限公司 | 自适应英语词汇学习分级推题装置及计算机学习系统 |
CN111522970A (zh) * | 2020-04-10 | 2020-08-11 | 广东小天才科技有限公司 | 习题推荐方法、装置、设备及存储介质 |
CN113392327A (zh) * | 2021-07-02 | 2021-09-14 | 滨州学院 | 基于用户网站访问记录的图书推荐方法 |
CN113342761A (zh) * | 2021-08-05 | 2021-09-03 | 深圳启程智远网络科技有限公司 | 一种基于互联网的教学资源共享系统及方法 |
CN114297418A (zh) * | 2021-12-28 | 2022-04-08 | 成都佳发教育科技有限公司 | 一种识别学习情绪进行个性化推荐的系统及方法 |
CN114791963A (zh) * | 2022-04-08 | 2022-07-26 | 布赵春 | 基于人工智能的视频推荐方法及系统 |
CN114707074A (zh) * | 2022-06-06 | 2022-07-05 | 深圳尚米网络技术有限公司 | 一种内容推荐方法、设备和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116304315A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322738B (zh) | 一种课程优化方法、装置和系统 | |
CN103544663A (zh) | 网络公开课的推荐方法、系统和移动终端 | |
CN106844530A (zh) | 一种问答对分类模型的训练方法和装置 | |
CN116304315B (zh) | 一种网上教学用内容智能推荐系统 | |
CN101957845B (zh) | 一种在线应用系统及其实现方法 | |
CN111723973B (zh) | 基于mooc日志数据中用户行为因果关系的学习效果优化方法 | |
CN110659311B (zh) | 题目推送方法、装置、电子设备及存储介质 | |
CN109726275B (zh) | 应用于法律咨询服务的法律知识智能查询方法 | |
CN113177101B (zh) | 用户轨迹识别方法、装置、设备及存储介质 | |
CN111539452A (zh) | 多任务属性的图像识别方法、装置、电子设备及存储介质 | |
CN111369294B (zh) | 软件造价估算方法及装置 | |
CN113592197A (zh) | 一种家政服务推荐系统及方法 | |
CN117194716A (zh) | 基于大数据的教育机器人课程个性化推荐系统 | |
CN116320626A (zh) | 一种计算电商直播热度的方法及系统 | |
KR100411747B1 (ko) | 검색순위 결정시스템 및 이를 이용한 순위 결정방법 | |
CN113010788B (zh) | 信息推送方法及装置、电子设备、计算机可读存储介质 | |
CN112818236A (zh) | 基于场景的学习内容推荐方法及系统 | |
CN116501950A (zh) | 召回模型优化方法、装置、设备及存储介质 | |
CN115618092A (zh) | 一种信息推荐方法和信息推荐系统 | |
CN110516115A (zh) | 一种对于使用用户兴趣点的排序方法及系统 | |
CN116595162B (zh) | 基于电子学生证数据的题目推荐方法及其相关设备 | |
CN116993311B (zh) | 基于信息匹配技术的人力资源信息检索系统 | |
CN110659403B (zh) | 一种基于大数据的旅游营销建议生成方法 | |
CN113821642B (zh) | 一种基于gan聚类的文本清洗方法及系统 | |
CN116860950B (zh) | 一种术语对话机器人语料更新方法及系统 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 506, No. 27, Tangdong East Road, Tianhe District, Guangzhou City, Guangdong Province, 510000 Applicant after: Guangzhou Interest Island Information Technology Co.,Ltd. Address before: Room 311, No. 5, Tangdong East Road, Tianhe District, Guangzhou City, Guangdong Province, 510000 Applicant before: GUANGZHOU MUSI INFORMATION TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |