[发明专利]一种基于移动学习的学习资源自动推荐方法

权利要求书

1.一种基于移动学习的学习资源自动推荐方法，其特征在于，包括以下步骤：

步骤1，建立用户-资源-时间-位置四元组Z＝(U,K,T,L)

其中，U代表用户集合，K代表学习资源集合，T代表时间集合，L代表位置集合；建立四元组基于以下定义：

A.1用户属性

定义用户集合U＝{u₁,u₂,...,u_i,...}；其中，u₁、u₂、u_i表示不同用户；任意用户u_i由其属性构成，即u_i＝{u_i.a₁,u_i.a₂,u_i.a₃,...}；

A.2资源属性

定义学习资源K＝{k₁,k₂,...}；其中，k₁、k₂表示不同学习资源；任意资源k_p由其属性构成，即k_p＝{k_p.b₁,k_p.b₂,k_p.b₃,...}；当用户u_i访问学习资源k_p时，可记为u_i.k_p；

A.3时间属性

定义时间集合T＝{t₁,t₂,...,t_m,...}，用户u_i在访问资源k_p时起始时间记为结束时间记为那么用户u_i在访问资源k_p时持续时间记为这里，时才有效，根据实际经验ε取值为2min，即用户访问资源超过两分钟时才有效；

用户u_i访问资源k_p和资源k_p+1的时间间隔记为

A.4位置属性

定义所有位置集合L＝{l₁,l₂,...,l_n,...}，用户u_i在学习资源k_p时的位置为l_n，即u_i.k_p.l_n；

步骤2，进行用户行为特征分析，基于以下定义：

B.1访问资源序列

用户u_i访问学习资源集合K的序列

B.2用户访问资源的频度

B.3用户访问资源比例

指用户u_i在学习资源集合K中访问资源所占比例：

其中，函数分母表示所有用户访问所有资源的总次数；

用户u_i在t_j时间访问资源k_p的概率：

用户u_i在t_j时间l_q位置访问资源k_p的概率：

B.4选择资源周期

用户u_i在选择访问资源时，一般经过比较和选择才能最终确定资源，即pr＝(u,sq,k_s)；其中，u∈U，k_s表示用户最终选择的资源；所有周期集合为Pr＝{pr₁,pr₂,...}；sq表示轨迹记录；

B.5资源关联强度

用户u_i从当前资源k_p跳转到下一个资源的k_p+1的概率：

B.6资源用户群

按照学习资源的属性分类，将喜欢同一类型资源的用户称为资源用户群，即其中φ_i＝{u_x,u_y,...}，即任意一个资源用户群是由若干个用户组成；且表示资源用户群的总数；

步骤3，基于步骤1建立的四元组和步骤2进行的用户行为特征分析进行学习兴趣推荐。