CN117786233B - 一种在线教育课堂智能推荐方法及系统 - Google Patents

Abstract

本发明涉及数据分析技术领域，具体涉及一种在线教育课堂智能推荐方法及系统，包括：采集学生浏览的视频信息及在线教育课堂中视频的视频信息；根据学生浏览的视频信息及在线教育课堂中视频的视频信息，获取不同视频之间的相关程度；获取每个学生浏览过的视频，根据每个学生浏览过的视频，修正不同视频之间的相关程度，得到修正后不同视频之间的相关程度；根据修正后不同视频之间的相关程度，推荐相关视频。本发明根据不同视频内的各种因素之间的差异，修正后不同视频之间的相关程度，依照修正后不同视频之间的相关程度对视频进行推荐，使推荐的视频被观看的可能性大大提高。

Description

一种在线教育课堂智能推荐方法及系统

技术领域

本发明涉及数据分析技术领域，具体涉及一种在线教育课堂智能推荐方法及系统。

背景技术

在线教育课堂是指通过网络平台提供教育和学习服务的形式，现如今在线教育课堂已经成为了学生很重要的一种学习方式。在线教育课堂可以根据学生的兴趣、能力和学习进度，提供个性化的学习内容和学习路径，并可以通过智能的推荐算法帮助学生更好地掌握知识和技能。而传统的协同过滤算法在构建相似度矩阵时仅仅是通过不同的视频是否被多个相同的学生观看构建的，没有考虑学生之间的差异，以及视频之间本身的联系，使得推荐的结果不佳。

发明内容

本发明提供一种在线教育课堂智能推荐方法及系统，以解决现有的问题：传统的协同过滤算法，无法达到良好的视频推荐效果。

本发明的一种在线教育课堂智能推荐方法及系统采用如下技术方案：

本发明一个实施例提供了一种在线教育课堂智能推荐方法，该方法包括以下步骤：

采集学生浏览的视频信息及在线教育课堂中视频的视频信息；

根据学生浏览的视频信息及在线教育课堂中视频的视频信息中的视频时长、主讲老师以及学习范围，计算不同视频之间的相近程度；根据不同视频之间的相近程度，获取不同视频之间的相关程度；

获取每个学生浏览过的视频，根据每个学生浏览过的视频，获取每个学生的目标视频；根据每个学生的目标视频中每个视频的观看时长、每个视频的总时长以及每个视频的相对观看时长，计算学生观看视频的认真程度；根据学生观看视频的认真程度修正不同视频之间的相关程度，得到修正后不同视频之间的相关程度；

根据修正后不同视频之间的相关程度，推荐相关视频。

优选的，所述采集学生浏览的视频信息及在线教育课堂中视频的视频信息，包括的具体方法为：

预设一个历史时间范围，获取最近天内在线教育课堂后台数据库中所有学生 浏览的视频信息，以及在线教育课堂中所有视频的视频信息；所述视频信息包括视频时长、 主讲老师、学习范围。

优选的，所述根据学生浏览的视频信息及在线教育课堂中视频的视频信息中的视频时长、主讲老师以及学习范围，计算不同视频之间的相近程度，包括的具体方法为：

对于计算视频与视频之间的相近程度，首先获取视频中的学习范围与视频中 的学习范围，然后获取视频与视频在学习范围上的交集与并集，将视频与视频在学习 范围上的交并比，作为视频与视频在学习范围上的相近程度；

接着，获取视频与视频中讲师的所有视频的平均浏览量，根据视频与视频中 讲师的所有视频的平均浏览量，作为视频与视频在主讲老师上的相近程度；

然后，获取视频与视频的视频时长，作为视频与视频在视频时长上的相近程 度；

最后，预设学习范围权值以及主讲老师权值；根据学习范围权值以及主讲老师 权值，视频与视频在学习范围、主讲老师以及视频时长上的相近程度，计算视频与视 频之间的相近程度。

优选的，所述根据学习范围权值以及主讲老师权值，视频与视频在学习范围、 主讲老师以及视频时长上的相近程度，计算视频与视频之间的相近程度，包括的具体计 算公式为：

式中，表示视频与视频之间的相近程度；表示视频与视频在学习范围 上的相近程度；表示视频中讲师的所有视频的平均浏览量；表示视频中讲师的所有 视频的平均浏览量；表示视频的视频长度；表示视频的视频长度；表示学习范围权 值；表示主讲老师权值；表示绝对值运算。

优选的，所述根据不同视频之间的相近程度，获取不同视频之间的相关程度，包括的具体方法为：

通过协同过滤算法获取不同视频之间的相似程度；对于获取视频与视频之间的 相关程度，将视频与视频之间的相近程度，与视频与视频之间的相似程度之和，作为 视频与视频之间的相关程度。

优选的，所述获取每个学生浏览过的视频，根据每个学生浏览过的视频，获取每个学生的目标视频，包括的具体方法为：

对于学生A，首先获取学生A浏览过的所有视频，然后预设一个浏览阈值，将学生A 浏览过的所有视频中，观看时长大于等于的视频记为学生A的目标视频。

优选的，所述根据每个学生的目标视频中每个视频的观看时长、每个视频的总时长以及每个视频的相对观看时长，计算学生观看视频的认真程度，包括的具体方法为：

获取学生A的目标视频中每个目标视频的观看时长与目标视频的总时长；对于学 生A的第个目标视频，将学生A的第个目标视频的进度条中学生A所观看的时间长度，记为 学生A的第个目标视频的相对观看时长；根据学生A的目标视频中每个视频的观看时长、每 个视频的总时长以及每个视频的相对观看时长，计算学生A观看视频的认真程度，其具体的 计算公式为：

式中，表示学生A观看视频的认真程度；表示学生A的第个目标视频的相对 观看时长；表示学生A的第个目标视频的总时长；表示学生A的目标视频的数量； 表示学生A的第个目标视频的观看时长；表示线性归一化函数。

优选的，所述根据学生观看视频的认真程度修正不同视频之间的相关程度，得到修正后不同视频之间的相关程度，包括的具体方法为：

对于获取修正后的视频与视频之间的相关程度，首先获取观看过视频与视频 两个视频的所有学生，记为视频与视频的目标学生，根据视频与视频中所有目标学生 的认真程度，修正视频与视频之间的相关程度，其具体的计算公式为：

式中，表示修正后的视频与视频之间的相关程度；表示视频与视频 的第个目标学生观看视频的认真程度；表示视频与视频之间的相关程度；表示 视频与视频的目标学生的数量。

优选的，所述根据修正后不同视频之间的相关程度，推荐相关视频，包括的具体方法为：

对于学生观看完视频后，计算修正后的视频与除视频外所有之间的相关程度， 并对修正后的视频与除视频外所有之间的相关程度进行降序排序，得的与视频相关的 视频序列，再预设一个推荐阈值，选取与视频相关的视频序列中前个视频，作为学生观 看完视频后的推荐视频。

本发明的实施例提供了一种在线教育课堂智能推荐系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项一种在线教育课堂智能推荐方法的步骤。

本发明的技术方案的有益效果是：本申请通过不同视频内的各种因素之间的差异，获取不同视频之间的相近程度；根据不同视频之间的相近程度，获取不同视频之间的相关程度，能够进一步的得到不同视频之间的相关程度，同时每个学生浏览过的视频，计算学生观看视频的认真程度，根据学生观看视频的认真程度修正不同视频之间的相关程度，得到修正后不同视频之间的相关程度，即可更进一步的得到不同视频之间的相关程度，当学生观看完视频后，向其推荐与观看完的视频最相近的若干个视频，使推荐的视频被观看的可能性大大提高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种在线教育课堂智能推荐方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种在线教育课堂智能推荐方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种在线教育课堂智能推荐方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种在线教育课堂智能推荐方法的步骤流程图，该方法包括以下步骤：

步骤S001：采集学生浏览的视频信息及在线教育课堂中视频的视频信息。

需要说明的是，在线教育课堂是指通过网络平台提供教育和学习服务的形式，现如今在线教育课堂已经成为了学生很重要的一种学习方式。在线教育课堂可以根据学生的兴趣、能力和学习进度，提供个性化的学习内容和学习路径，并可以通过智能的推荐算法帮助学生更好地掌握知识和技能，而本实施例作为一种在线教育课堂智能推荐方法，即需要对学生观看视频时长、视频名称等信息、主讲老师等多方面信息进行分析，以此为基础推荐视频，因此首先需要采集在线教育课堂所有学生浏览的视频信息及在线教育课堂中视频的视频信息。

具体的，预设一个历史时间范围，的具体取值可结合实际情况自行设置，本实 施例不做硬性要求，在本实施例中以等于7进行叙述，获取最近天内在线教育课堂后台 数据库中所有学生浏览的视频信息，以及在线教育课堂中所有视频的视频信息；所述视频 信息包括视频时长、主讲老师、学习范围。

至此，得到学生浏览的视频信息及在线教育课堂中视频的视频信息。

步骤S002：根据学生浏览的视频信息及在线教育课堂中视频的视频信息中的视频时长、主讲老师以及学习范围，计算不同视频之间的相近程度；根据不同视频之间的相近程度，获取不同视频之间的相关程度。

需要说明的是，传统的推荐视频算法为协同过滤算法，而传统的协同过滤算法在构建相似度矩阵时仅仅是通过不同的视频是否被多个相同的学生观看构建的，即传统逻辑为如果两个视频被越多学生同时观看则这两个视频相似度越高，反之如果两个视频没有同时被相同的学生观看过，则其相似度为零。这无疑没有考虑学生之间的差异，以及视频之间本身的联系，使得推荐的结果不佳，因此本实施例提出了一种在线教育课堂智能推荐方法，在传统的构建相似度矩阵的基础上，结合学生浏览的视频信息及在线教育课堂中视频的视频信息构建新的相似度矩阵，使推荐结果更具有针对性。

需要进一步说明的是，在在线教育课堂场景下，学生对于教育视频选择的考虑因素主要有视频时长、主讲老师以及学习范围这三个因素；因此可通过视频之间视频时长、主讲老师以及学习范围这三个因素之间的差异，计算不同视频之间的相近程度。

具体的，对于计算视频与视频之间的相近程度，首先获取视频中的学习范围与 视频中的学习范围，然后获取视频与视频在学习范围上的交集与并集，将视频与视频在学习范围上的交并比，作为视频与视频在学习范围上的相近程度；

接着，获取视频与视频中讲师的所有视频的平均浏览量，根据视频与视频中 讲师的所有视频的平均浏览量，作为视频与视频在主讲老师上的相近程度；

然后，获取视频与视频的视频时长，作为视频与视频在视频时长上的相近程 度；

最后，预设学习范围权值以及主讲老师权值，以及的具体取值可结合实际情 况自行设置，本实施例不做硬性要求，在本实施例中以，进行叙述；根据学习 范围权值以及主讲老师权值，视频与视频在学习范围、主讲老师以及视频时长上的相 近程度，计算视频与视频之间的相近程度，其具体的计算公式为：

式中，表示视频与视频之间的相近程度；表示视频与视频在学习范围 上的相近程度；表示视频中讲师的所有视频的平均浏览量；表示视频中讲师的所有 视频的平均浏览量；表示视频的视频长度；表示视频的视频长度；表示学习范围权 值；表示主讲老师权值；表示绝对值运算。

需要说明的是，的值越大，则说明视频中的学习范围与视频中的学习范围 越接近，因此的值越大则说明视频与视频越相似；的值越大，则说明视频中的 主讲老师与视频中的主讲老师之间受众情况的相近程度，因此的值越大则说明视频与视频越相似；的值越大，则说明视频的视频长度与视频的视频长度之间的相 近程度，因此的值越大则说明视频与视频越相似；所以的值越大视频与视频 越相似。

至此，得到不同视频之间的相近程度。

需要说明的是，不同视频之间的相近程度是通过结合视频时长、主讲老师以及学习范围这三个因素得到的，而传统的协同过滤算法仅仅是通过不同的视频是否被多个相同的学生观看计算不同视频之间的相似程度，而在得到不同视频之间的相近程度后，即可将不同视频之间的相近程度与不同视频之间的相似程度相结合，获取不同视频之间的相关程度。

具体的，通过协同过滤算法获取不同视频之间的相似程度，由于协同过滤算法作 为一种公知的现有技术，故在本实施例中不再进行赘述；对于视频与视频之间的相关程 度，将视频与视频之间的相近程度，与视频与视频之间的相似程度之和，作为视频与 视频之间的相关程度。

至此，得到不同视频之间的相关程度。

步骤S003：获取每个学生浏览过的视频，根据每个学生浏览过的视频，获取每个学生的目标视频；根据每个学生的目标视频中每个视频的观看时长、每个视频的总时长以及每个视频的相对观看时长，计算学生观看视频的认真程度；根据学生观看视频的认真程度修正不同视频之间的相关程度，得到修正后不同视频之间的相关程度。

需要说明的是，在学生实际观看视频时，存在认真观看视频的学生，与不认真观看视频的学生，而在步骤S002得到的不同视频之间的相关程度时，并没有考虑到这一点，因此直接的通过不同视频之间的相关程度推荐视频，不能得到良好的推荐效果；而本实施例作为一种在线教育课堂智能推荐方法，为了使认真观看视频的学生得到更好的推荐效果，因此需要对不同视频之间的相关程度进行修正。而为了对不同视频之间的相关程度进行修正，则需要计算学生观看视频的认真程度。

具体的，对于学生A，首先获取学生A浏览过的所有视频，然后预设一个浏览阈值，的具体大小可结合实际情况自行设置，本实施例不做硬性要求，在本实施例中以等于1分 钟进行叙述，将学生A浏览过的所有视频中，观看时长大于等于的视频记为学生A的目标视 频；

接着，获取学生A的目标视频中每个目标视频的观看时长与目标视频的总时长；对 于学生A的第个目标视频，将学生A的第个目标视频的进度条中学生A所观看的时间长度， 记为学生A的第个目标视频的相对观看时长；

例如：学生A从8:00打开目标视频到8：15关闭目标视频，在8:00到8:15这段时间 内学生A通过调整播放速度，使目标视频的播放速度为正常播放速度的两倍，即目标视频 15分钟播放了30分钟的视频内容，此时学生A的目标视频的观看时长为15分钟，学生A的目 标视频的相对观看时长为30分钟。

根据学生A的目标视频中每个视频的观看时长、每个视频的总时长以及每个视频的相对观看时长，计算学生A观看视频的认真程度，其具体的计算公式为：

式中，表示学生A观看视频的认真程度；表示学生A的第个目标视频的相对 观看时长；表示学生A的第个目标视频的总时长；表示学生A的目标视频的数量； 表示学生A的第个目标视频的观看时长；表示线性归一化函数。

需要说明的是，由于学生在观看视频前总是需要了解视频中大致所讲的内容，即 需要短暂观看视频，同时防止学生误触进入视频的情况发生，因此需要预先设置一个阈值， 进行筛选。表示的是学生A观看视频的完成度，即可通过检验学生A在观看第个目标 视频时调整进度的情况，而则是检验学生A在观看第个目标视频时调整播放速度的情 况。

需要进一步说明的是，则得的学生观看视频的认真程度后，即可根据学生观看视频的认真程度，对不同视频之间的相关程度进行修正，使认真观看视频的学生得到更好的推荐效果。

具体的，对于修正视频与视频之间的相关程度，首先获取观看过视频与视频 两个视频的所有学生，记为视频与视频的目标学生，根据视频与视频中所有目标学生 的认真程度，修正视频与视频之间的相关程度，其具体的计算公式为：

式中，表示修正后的视频与视频之间的相关程度；表示视频与视频 的第个目标学生观看视频的认真程度；表示视频与视频之间的相关程度；表示 视频与视频的目标学生的数量。

需要说明的是，当修正后的视频与视频之间的相关程度越大，则观看完视频后 学生越有可能观看视频。

至此，得到修正后不同视频之间的相关程度。

步骤S004：根据修正后不同视频之间的相关程度，推荐相关视频。

需要说明的是，在通过步骤S003得到修正后的不同视频之间的相关程度，即可根 据修正后的不同视频之间的相关程度，而当修正后的视频与视频之间的相关程度越大， 则观看完视频后学生越有可能观看视频；故可以根据修正后不同视频之间的相关程度实 现相关视频的推荐。

具体的，对于学生观看完视频后，计算修正后的视频与除视频外所有之间的相 关程度，并对修正后的视频与除视频外所有之间的相关程度进行降序排序，得的与视频 相关的视频序列，再预设一个推荐阈值，的具体取值可结合实际情况自行设置，本实施 例不做硬性要求，在本实施例中以进行叙述，选取与视频相关的视频序列中前个 视频，作为学生观看完视频后的推荐视频。

至此本实施例完成。

本发明的实施例提供了一种在线教育课堂智能推荐系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现步骤S001至步骤S004中的一种在线教育课堂智能推荐方法。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种在线教育课堂智能推荐方法，其特征在于，该方法包括以下步骤：

采集学生浏览的视频信息及在线教育课堂中视频的视频信息；

根据学生浏览的视频信息及在线教育课堂中视频的视频信息中的视频时长、主讲老师以及学习范围，计算不同视频之间的相近程度；根据不同视频之间的相近程度，获取不同视频之间的相关程度；

获取每个学生浏览过的视频，根据每个学生浏览过的视频，获取每个学生的目标视频；根据每个学生的目标视频中每个视频的观看时长、每个视频的总时长以及每个视频的相对观看时长，计算学生观看视频的认真程度；根据学生观看视频的认真程度修正不同视频之间的相关程度，得到修正后不同视频之间的相关程度；

根据修正后不同视频之间的相关程度，推荐相关视频；

所述根据每个学生的目标视频中每个视频的观看时长、每个视频的总时长以及每个视频的相对观看时长，计算学生观看视频的认真程度，包括的具体方法为：

获取学生A的目标视频中每个目标视频的观看时长与目标视频的总时长；对于学生A的第个目标视频，将学生A的第/>个目标视频的进度条中学生A所观看的时间长度，记为学生A的第/>个目标视频的相对观看时长；根据学生A的目标视频中每个视频的观看时长、每个视频的总时长以及每个视频的相对观看时长，计算学生A观看视频的认真程度，其具体的计算公式为：

式中，表示学生A观看视频的认真程度；/>表示学生A的第/>个目标视频的相对观看时长；/>表示学生A的第/>个目标视频的总时长；/>表示学生A的目标视频的数量；/>表示学生A的第/>个目标视频的观看时长；/>表示线性归一化函数；

所述根据学生观看视频的认真程度修正不同视频之间的相关程度，得到修正后不同视频之间的相关程度，包括的具体方法为：

对于获取修正后的视频与视频/>之间的相关程度，首先获取观看过视频/>与视频/>两个视频的所有学生，记为视频/>与视频/>的目标学生，根据视频/>与视频/>中所有目标学生的认真程度，修正视频/>与视频/>之间的相关程度，其具体的计算公式为：

式中，表示修正后的视频/>与视频/>之间的相关程度；/>表示视频/>与视频/>的第/>个目标学生观看视频的认真程度；/>表示视频/>与视频/>之间的相关程度；/>表示视频/>与视频/>的目标学生的数量。

2.根据权利要求1所述一种在线教育课堂智能推荐方法，其特征在于，所述采集学生浏览的视频信息及在线教育课堂中视频的视频信息，包括的具体方法为：

预设一个历史时间范围，获取最近/>天内在线教育课堂后台数据库中所有学生浏览的视频信息，以及在线教育课堂中所有视频的视频信息；所述视频信息包括视频时长、主讲老师、学习范围。

3.根据权利要求1所述一种在线教育课堂智能推荐方法，其特征在于，所述根据学生浏览的视频信息及在线教育课堂中视频的视频信息中的视频时长、主讲老师以及学习范围，计算不同视频之间的相近程度，包括的具体方法为：

对于计算视频与视频/>之间的相近程度，首先获取视频/>中的学习范围与视频/>中的学习范围，然后获取视频/>与视频/>在学习范围上的交集与并集，将视频/>与视频/>在学习范围上的交并比，作为视频/>与视频/>在学习范围上的相近程度；

接着，获取视频与视频/>中讲师的所有视频的平均浏览量，根据视频/>与视频/>中讲师的所有视频的平均浏览量，作为视频/>与视频/>在主讲老师上的相近程度；

然后，获取视频与视频/>的视频时长，作为视频/>与视频/>在视频时长上的相近程度；

最后，预设学习范围权值以及主讲老师权值/>；根据学习范围权值/>以及主讲老师权值/>，视频/>与视频/>在学习范围、主讲老师以及视频时长上的相近程度，计算视频/>与视频之间的相近程度。

4.根据权利要求3所述一种在线教育课堂智能推荐方法，其特征在于，所述根据学习范围权值以及主讲老师权值/>，视频/>与视频/>在学习范围、主讲老师以及视频时长上的相近程度，计算视频/>与视频/>之间的相近程度，包括的具体计算公式为：

式中，表示视频/>与视频/>之间的相近程度；/>表示视频/>与视频/>在学习范围上的相近程度；/>表示视频/>中讲师的所有视频的平均浏览量；/>表示视频/>中讲师的所有视频的平均浏览量；/>表示视频/>的视频长度；/>表示视频/>的视频长度；/>表示学习范围权值；/>表示主讲老师权值；/>表示绝对值运算。

5.根据权利要求1所述一种在线教育课堂智能推荐方法，其特征在于，所述根据不同视频之间的相近程度，获取不同视频之间的相关程度，包括的具体方法为：

通过协同过滤算法获取不同视频之间的相似程度；对于获取视频与视频/>之间的相关程度，将视频/>与视频/>之间的相近程度，与视频/>与视频/>之间的相似程度之和，作为视频与视频/>之间的相关程度。

6.根据权利要求1所述一种在线教育课堂智能推荐方法，其特征在于，所述获取每个学生浏览过的视频，根据每个学生浏览过的视频，获取每个学生的目标视频，包括的具体方法为：

对于学生A，首先获取学生A浏览过的所有视频，然后预设一个浏览阈值，将学生A浏览过的所有视频中，观看时长大于等于/>的视频记为学生A的目标视频。

7.根据权利要求1所述一种在线教育课堂智能推荐方法，其特征在于，所述根据修正后不同视频之间的相关程度，推荐相关视频，包括的具体方法为：

对于学生观看完视频后，计算修正后的视频/>与除视频/>外所有之间的相关程度，并对修正后的视频/>与除视频/>外所有之间的相关程度进行降序排序，得的与视频/>相关的视频序列，再预设一个推荐阈值/>，选取与视频/>相关的视频序列中前/>个视频，作为学生观看完视频/>后的推荐视频。

8.一种在线教育课堂智能推荐系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述一种在线教育课堂智能推荐方法的步骤。