[发明专利]在线教育平台中基于多维特征的习题个性化推荐方法

权利要求书

1.一种在线教育平台中基于多维特征的习题个性化推荐方法，其特征在于，包括如下步骤：

1)基于在线教育平台上学习者的学习数据，获得学习者的学习特征；

2)对习题进行数据分析，获得习题热度的排名，记录到平台的题库中；

3)根据习题间的知识相关度构建一个习题相关网络；所述习题相关网络中，一个节点表示一个习题，节点之间的边表示两个习题之间的关联性，边的权重表示习题间知识相关度的高低，利用余弦相似度算法计算知识相关度；在习题相关网络的基础上，利用某学习者的学习数据构建一个习题相关子网络；所述习题相关子网络中，以该学习者为中心，与该学习者直接连接的是其正在学习和曾经学习过的习题，与这些习题相连接的是所有与这些习题存在较高知识相关度的候选推荐习题；在习题相关子网络的基础上，通过学习者正在学习和曾经学习过的习题与候选推荐习题之间的余弦相似度计算学习者与候选推荐习题之间的知识相关度；

4)通过多维特征算法，将三个维度的因素进行线性综合，得到学习者与候选推荐习题之间的整体相关度，对所有候选推荐习题的整体相关度进行排名，推荐给学习者个性化的习题。

2.根据权利要求1所述的一种在线教育平台中基于多维特征的习题个性化推荐方法，其特征在于，所述步骤1)具体为：学习者登录在线教学平台后，首先进行学习前的自我评价和学习风格量表测试，对学习者进行感知、认知和人格三维度的测量，然后通过felder_silverman学习风格模型建模，将学习者的学习特征分为强、中、弱，用公式表示为：

其中Ls(S)表示学习特征的量化数据，So(S)表示偏弱，Mo(S)表示适中，St(S)表示强烈。

3.根据权利要求1所述的一种在线教育平台中基于多维特征的习题个性化推荐方法，其特征在于，所述步骤2)具体为：在线教育平台具有收藏、评价及记录功能；基于上述三个指标，通过如下公式计算一个习题的热度：

PoP(S)＝collect(S)+comment(S)+record(S)

其中，Pop(S)表示习题S的热度，collect(S)、comment(S)和record(S)分别表示习题S的收藏数、评论数和记录数。

4.根据权利要求1所述的一种在线教育平台中基于多维特征的习题个性化推荐方法，其特征在于，所述步骤3)中：学习者L与候选推荐习题S之间的知识相关度的计算公式为：

其中S_i表示曾经学习的习题与候选推荐习题之间的知识相关度，S_j表示正在学习的习题与候选推荐习题之间的知识相关度，S_ij表示曾经学习和正在学习的习题之间的知识相关度，K表示候选推荐习题的数量。

5.根据权利要求1所述的一种在线教育平台中基于多维特征的习题个性化推荐方法，其特征在于，所述步骤4)中：将学习者的学习特征、习题热度和学习者与候选推荐习题之间的知识相关度这三个维度的因素进行线性综合，得出学习者L与候选推荐习题S之间的整体相关度Cor(L,S)的公式如下：

Cor(L,S)＝a*nor(PoP(S))+b*nor(Ls(S))+c*nor(Kr(L,S))

其中，nor(x)＝x/max(x)，表示对某一维度进行归一化；对三个维度的值进行归一化处理，然后加权求和，通过反馈结果调整参数，使参数达到最优；对所有候选推荐习题进行排名，将Top-N的候选习题推荐给学习者。