[发明专利]一种基于知识关联的学习资源协同过滤推荐方法及系统

权利要求书

1.一种基于知识关联的学习资源协同过滤推荐方法，其特征在于，所述基于知识关联的学习资源协同过滤推荐方法包括：

构建学习者、知识点与学习资源三维关联模型；数据源于学习者基本信息库、学习行为数据库、知识点间关联库和知识点与学习资源关联库；

获取与目标学习者关联的知识点信息，结合知识点与学习资源的关联，将知识点与资源之间的关联权重映射为学习者与知识点的关联权重，构建学习者与父知识点的权重向量矩阵，进一步度量学习者之间的相似性并获取目标学习者的最近邻用户群；

其中将知识点与学习资源间的关联权重映射为知识点与学习者间的关联权重具体包括：在一个知识点下学习者没有学习任何资源，则学习者与所述知识点的关联度为0；反之，则对学习资源与知识点的权重加权求平均值，为学习者与所述知识点的关联度；

其中构建学习者与父知识点的权重向量矩阵具体包括：根据求得的学习者与知识点之间的关联权重构建学习者与父知识点的权重向量，进而度量学习者之间的相似性，并获取当前学习者的最近邻用户群；具体包括：

1)由关联模型得知学习者u_i和u_j的关联知识点集合K_i和K_j及其对应的关联权重；

2)根据知识点间关联，获取u_i和u_j的共同父知识点集合P_G，然后计算u_i和u_j与每个父知识点的关联权重；其中学习者与父知识点之间的关联权重为学习者与此父知识点下所有子知识点关联权重之和，值越大，表示关联度越高，计算公式为：

为学习者u_i和父知识点P_i的关联权重；P_G为学习者u_i在父知识点P_i下学过的所有子知识点集合；为学习者u_i与子知识点k的关联权重；

构建学习者的父知识点权重向量矩阵，公式为：

将学习者所学资源与知识点的关联和隐式评分法结合，构建学习者-学习资源兴趣度评分矩阵；

结合最近邻用户群和经过k-means算法处理后的兴趣度评分矩阵，利用相似用户群的偏好预测当前学习者可能感兴趣的资源的兴趣度评分；

对系统预测的兴趣度评分降序排列，选择评分较高的N个序列结果推荐给目标学习者。

2.如权利要求1所述基于知识关联的学习资源协同过滤推荐方法，其特征在于，构建学习者、知识点与学习资源三维关联模型，包括：

获取能够反映学习者特征和偏好的相关信息；采用显式与隐式相结合的采集方式，显式采集通过学习者的注册信息，直接收集学习者属性信息；隐式采集通过Web日志分析学习者的学习行为信息，利用机器学习的方法提取学习者学习的资源相关信息；

通过学习者所学资源与知识点的关联，建立起学习者与知识点的关联，构建学习者、知识点和学习资源三维空间模型；

利用学习者属性信息和新学习的资源内容传递调整的方式对关系模型进行更新；基于学习者基本属性信息的变更和学习者不断学习新资源导致的学习偏好变化，更新学习者基本信息库和学习者与学习资源的关联关系，进一步，获取与学习者相关联的最新知识点集合及关联权重。

3.如权利要求1所述基于知识关联的学习资源协同过滤推荐方法，其特征在于，学习者、知识点与学习资源的关联模型构建中，进一步包括：

对于新用户，提取学习者相关知识点，依据学习者的基本属性信息，对于非新用户，同时结合学习者基本属性信息和已学习的资源信息；依据知识点间关联和知识点与学习资源间关联，得到与当前学习者相关联的知识点集合K_i；

计算学习者之间的相似度，构建学习者之间的相似度关联矩阵，公式为：

和分别表示学习者u_i和u_j的父知识点向量。