[发明专利]具有兴趣引导功能的个性化推荐方法

说明书

技术领域

本发明属于数字化学习领域，具体涉及一种具有兴趣引导功能的个性化推荐方法。

背景技术

随着移动互联网的发展，基于互联网的数字化学习为用户提供了个性化的学习环境。基于用户兴趣度进行个性化的推荐是一种普遍的方法，如专利[201210178807.5]报道了，基于用户兴趣度的个性化网络学习资源推荐方法，包括分析学习者访问基于扩展主题图的网络学习系统的行为数据，获得学习者个人及其群组对学习内容的学习兴趣路径变化模式，然后根据这种学习兴趣路径变化模式以及扩展主题图的学习对象之间的前后序列关系，实现给学习者主动推荐合适的学习资源的个性化推荐。

学习路径推荐方法已有大量文献报道，如于瑞强在硕士学位论文中《知识服务云平台下个性化学习机制研究》，南京邮电大学，2013，报道的，基于知识地图上的知识结构关系，采用群体智能的学习路径推荐方法，选取邻近用户对启发信息与信息素的贡献进行路径的选择；申请号为[201510683902.4]的专利公开了一种基于知识地图的多约束学习路径推荐方法，针对移动端和PC端的特点引入约束条件。

但是针对于儿童这样的学习群体，已有的推荐方法存在如下两个问题：1)从教育的角度看，需要全面的知识学习，不能简单以儿童自己所表达出的兴趣偏向作为是否需要学习的依据，而且儿童的兴趣点易受外界因素的干扰，所以仅仅基于学习者兴趣度的推荐方法并不适合儿童；2)兴趣的引导是儿童教育中非常重要的环节。日常生活中，儿童经常出现对新知识点缺乏兴趣而不愿学习的情况，教育者通常需要对儿童进行引导，将新知识点与儿童已表达出的兴趣点进行关联，从而激发儿童学习兴趣，达到降低学习难度的效果。然而目前的推荐方法是基于知识点的路径搜索，并不具备类似的兴趣引导功能。

发明内容

本发明在至少解决现有技术中存在的问题，提供了一种具有兴趣引导功能的个性化推荐方法；有效解决学习者尤其是儿童的目标知识点选择以及目标知识点学习的兴趣引导问题，降低了学习难度，从而增强儿童数字化学习的能力。

为实现本发明上述的目的，本发明提供了一种具有兴趣引导功能的个性化推荐方法，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。

利用本发明，引导儿童对新知识点的学习兴趣；随着时间的变化推移，儿童兴趣范围逐渐扩大，达到全面学习的目的。

在本发明的一种优选实施方式中，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。

在本发明的一种优选实施方式中，知识兴趣导向图中的知识层是包含多个知识点的有向图。

在本发明的一种优选实施方式中，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。

在本发明的一种优选实施方式中，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:

T_Target＝{t_i<k_i，w_i>|k_i∈K_new}

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；

在本发明的一种优选实施方式中,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；