[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

说明书

本发明公开了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。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，记录到题库中；3)对知识相关度进行数据分析，利用余弦相似度算法来计算出各个知识点的相关度；4)通过多维特征算法，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，推荐给学习者个性化的习题。本发明利用大数据平台，对学习者数据进行多维度统计分析，进行个性化习题推荐，再将数据记录进入下次的分析数据作为反馈，进一步提高个性化推荐的准确性，从而提高学习者的学习能力和学习效率。

技术领域

本发明涉及大数据分析领域，具体涉及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。

背景技术

特殊定制，就是根据教学和实际需要进行专门特殊的服务。随着时代的发展，所需要的数据的不同，针对不同的学习者推荐不一样的学习题库，增加了学习者学习效率和学习热情。

在现有的在线学习平台中，一方面学习者往往需要花费大量的时间和精力去寻找自己感兴趣的习题；另一方面，学习者一旦长时间找不到自己感兴趣的习题或者平台推荐的习题不合学习者的风格，学习者对学习平台的满意度就此降低，即可能出现人员流失现象。因此，如果不能恰当的引导学习者，实现习题与学习者的匹配，整个在线学习平台的良性发展必定受到影响。

每个人的知识结构、知识能力和学习能力千差万别，使用的却是同一张卷子。当习题电子化后，机器将根据使用的数据向用户推荐个性化的题目，提高学习效率。所以，一个好的算法，可以极大的帮助精准推荐，提升学习者的学习成绩和学习效率。

近年来，在线学习发展迅速，学习者对学习资源的个性化和实用性的要求越来越高。无论是传统教育还是在线教育，学习资源的质量对教学效果都起着决定性的作用，在在线教育中更是如此。因此，在线教育研究者开始关注在线教育资源的建设，并利用大数据和学习分析技术为学习者提供适合的学习资源推送服务，进而更好的满足在线学习的需求，以实现人性化、个性化的学习。

发明内容

本发明的目的在于针对现有技术的不足，提供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。

本发明的目的是通过以下技术方案来实现的：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，该方法包括如下步骤：

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)对在线教育平台上的习题进行数据分析，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。

进一步地，所述在线教育平台，是经过特殊定制的能搜集所需的特定信息的在线教育平台，从平台上获得的特殊数据从而进行个性化推荐习题。

进一步地，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：