[发明专利]具有兴趣引导功能的个性化推荐方法

权利要求书

1.一种数字化学习路径推荐方法，具有兴趣引导功能，其特征在于，包括以下步骤：

S1. 构建知识兴趣导向图：构建知识层和现象层，标记知识层内知识点之间的有向关系, 标记知识层的知识点与现象层的现象节点之间的关系，得到所述知识兴趣导向图；

S2. 获取学习者个人特征：对个人信息进行预处理获取学习者个人兴趣及已学知识点；

S3. 标记已学知识点、目标知识点和现象节点：对应学习者个人特征，在知识兴趣导向图的知识层中标记学习者已学的知识点和目标知识点，在现象层中标记与学习者个人兴趣相关的现象节点以及与已学知识点有连接的现象节点；

S4. 构建目标知识点的最优学习路径：搜索目标知识点到已标识现象节点之间的最优路径；

S5. 推荐学习路径。

2.根据权利要求1所述的具有兴趣引导功能的个性化推荐方法，其特征在于，知识兴趣导向图中的现象层中所包含的现象节点是指和知识点关联，能激发学习兴趣的现象和待解决问题，根据所学知识范围的不同可以具体表示为自然现象、自然环境、人文环境、生命体、活动示例，表现形式为动画、游戏、虚拟现实、音频、视频、图片、文字。

3.根据权利要求1所述的具有兴趣引导功能的个性化推荐方法，其特征在于，知识兴趣导向图中的知识层是包含多个知识点的有向图。

4.根据权利要求1所述的具有兴趣引导功能的个性化推荐方法，其特征在于，步骤S2 获取学习者个人特征的方式包括对用户输入信息以及上传文件进行分析的方式或对学习者学习记录进行分析的方式。

5.根据权利要求1所述的具有兴趣引导功能的个性化推荐方法，其特征在于，目标知识点集合为：

T_Input是用户设置的知识点；当用户输入为空时，目标知识点定义为T_Target:

其中K_new表示未学习知识点集合；w_i为权重向量，和知识重要性、知识点和学习者个人兴趣的相似性成正比，和难度系数成反比，权重越大，优先级越高。

6.根据权利要求1 所述的具有兴趣引导功能的个性化推荐方法，其特征在于,步骤S4搜索目标知识点到已标识现象节点之间的最优路径包括以下步骤：

以目标知识点为起始点，在原知识网络图的基础上生成反向图；

获取源现象节点集合：

其中A^Learn表示已学现象节点集合；A^Interest表示用户兴趣现象节点集合，为满足当前学习者个人兴趣模型的现象节点集合；

获取源知识点集合K^Source：

其中G_a^Tree为现象知识树，是现象节点a对应的知识树；k_i为现象知识树G_a^Tree中的知识点；

采用路径优化算法获取以目标知识点为起点，以源知识点集合K^Source中任意点为终点的路径；

从最终的路径集合中，获取概率最高的路径，进行路径反向，得到学习路径P＇；

依次将路径P＇中的知识点k_s对应的现象知识树G_a^Tree替换知识点k_s，带入路径P＇中，从而生成最终推荐路径P。