[发明专利]一种基于学习者模型的学习资源智能推荐方法

权利要求书

1.一种基于学习者模型的学习资源智能推荐方法，其特征在于：包括以下步骤：

步骤一：学习者和学习资源信息管理，建立数据库，并分类存储电子教材数据、作业与考试数据、数字资源数据、互动交流数据和电子档案数据；

步骤二：基于数据库数据，建立学习者模型，学习者模型包括个人信息、学业信息、关系信息、偏好信息、绩效信息和作品集信息；

步骤三：建立推荐模型，集成不同的推荐方法，并根据不同的学习情境分别设置不同的推荐方法；

步骤四：根据从学习者模型中的信息，判断学习者的学习情境，进行推荐。

2.如权利要求1所述的基于学习者模型的学习资源智能推荐方法，其特征在于：所述步骤四中学习情境的判断方法：若学习情境是进入新的学习单元前，采用基于内容推荐方法；若学习情境是学习诊断后，采用基于协同过滤推荐方法；若学习情境是学习完成后，采用基于知识推荐方法或基于关联规则推荐方法。

3.如权利要求2所述的基于学习者模型的学习资源智能推荐方法，其特征在于：所述基于内容推荐方法包括基于内容相似度推荐方法和基于概率的推荐方法；所述基于内容相似度的推荐方法具体包括：确定学习者对学习资源的评论记录；采用余弦相似度方法评估相反评价学习资源内容的相似度，当相似度小于阈值，向学习者推送相同的学习资源；

所述基于概率的推荐方法具体包括：将学习资源中出现的知识点进行标记，分为喜欢和不喜欢两类，设定P(X)为先验概率，P(Y)为后验概率，通过后验概率公式计算学习者对未知知识点的感兴趣程度。

4.如权利要求2所述的基于学习者模型的学习资源智能推荐方法，其特征在于：所述基于协同过滤推荐方法包括以下步骤：

S10：进行数据预处理，将采集的数据集进行初始化，对数据进行预填充和去冗余，并根据用户是否对学习资源进行评分把学习资源划分为已评价学习资源集和待评价学习资源集，已评价学习资源集作为训练集，待评价学习资源集作为预测集；

S20：采用神经网络建立预测模型，进行模型训练；

S30：利用训练得到的模型对待评价学习资源集进行预测，对预测结果进行排序，筛选出预测值较高的学习资源推荐给学习者。

5.如权利要求4所述的基于学习者模型的学习资源智能推荐方法，其特征在于：所述S20具体包括：给定训练集、激活函数和隐藏层节点个数；为输入权值和阈值随机赋值；计算隐藏层输出矩阵；计算输出权值。

6.如权利要求4所述的基于学习者模型的学习资源智能推荐方法，其特征在于：所述S30具体包括：给定预测集；计算预测集中待评价学习资源通过训练好的模型所形成的矩阵；计算待评价学习资源的输出值；按照计算的输出值大小将学习资源进行排序，并根据需要产生推荐。

7.如权利要求2所述的基于学习者模型的学习资源智能推荐方法，其特征在于：所述基于关联规则推荐方法具体包括：依据学科知识点逻辑关系、教师经验，分析不同学习者学习路径，制定相关的规则集；根据设定好的规则计算专题里学习资源间的相关性；将资源按照相关性强弱生成推荐序列。