[发明专利]学习者模型构建方法、学习资源的推荐方法及系统

权利要求书

1.一种学习者模型构建方法，其特征在于，包括如下步骤：

获取用户在不同学习阶段的监测数据；

从所述监测数据中提取表征用户个性化特征的学习行为数据；

根据预设维度及所述维度对应的评测指标对用户的学习行为数据进行评测，生成学习者特征数据；

利用所述学习者特征数据构建学习者模型。

2.根据权利要求1所述的学习者模型构建方法，其特征在于，所述表征用户个性化特征的学习行为数据包括：表征用户属性的静态信息和表征用户的学习过程的动态信息，其中，

所述静态信息包括：用户的性别、年龄及受教育程度；

所述动态信息包括：用户的社交关系信息、偏好信息、作业完成情况信息及个人成就信息。

3.根据权利要求2所述的学习者模型构建方法，其特征在于，所述预设维度包括：预设学习资源利用度、生成性资源利用度、协作交流度、任务参与度及成果评估，其中，

所述预设学习资源利用度的评测指标包括：访问学习内容及访问辅助资源；

所述生成性资源利用度的评测指标包括：访问他人作业及访问社区资源；

所述协作交流度的评测指标包括：参与论坛交互、参与资源评价及收到资源评价；

所述任务参与度的评测指标包括：任务完成度及资源贡献度；

所述成果评估的评测指标包括：共享资源的认可度、作业推优度、共享资源推优度、学习成绩、帖子及笔记的认可度。

4.一种学习资源的推荐方法，其特征在于，包括如下步骤：

获取表征用户个性化特征的有效学习行为数据；

根据预设规则及所述有效学习行为信息获取所述用户对学习资源的预测评分；

基于所述预测评分生成推荐结果。

5.根据权利要求4所述的学习资源的推荐方法，其特征在于，所述表征用户个性化特征的有效学习行为数据为根据权利要求1-3中任一项所述的学习者模型生成的学习者特征矩阵，所述方法还包括：

计算学习者特征矩阵与所述学习者模型中学习者用户集特征矩阵的相似度；

根据预设相似度阈值和/或最近邻居个数确定学习者的最近邻居群。

6.根据权利要求5所述的学习资源的推荐方法，其特征在于，所述根据预设规则及所述有效学习行为信息获取所述用户对学习资源的预测评分的步骤，包括：

将有效学习行为分为多个子有效行为；

根据预设规则将多个子有效行为转换为各个子有效行为对资源的评分；

利用预设的先验均值和先验权重及各个子有效行为对资源的评分和相应的预设权重，获取最近邻居群对学习资源的真实评分；

将最近邻居群对学习资源的评分进行加权平均得到用户对学习资源的预测评分。

7.根据权利要求6所述的学习资源的推荐方法，其特征在于，通过以下公式计算所述预测评分：

其中，P_i,r表示用户i对资源r的预测评分，Ni为用户i的最近邻居集，sim(i,u)表示用户i与u的相似度，M_u,r是用户u对资源r的真实评分。

8.根据权利要求4所述的学习资源的推荐方法，其特征在于，所述根据预设规则及所述有效学习行为信息获取所述用户对学习资源的预测评分的步骤，包括：

将有效学习行为分为多个子有效行为；

根据预设规则将多个子有效行为转换为各个子有效行为对资源的评分；

利用预设的先验均值和先验权重及各个子有效行为对资源的评分和相应的预设权重，获取用户对学习资源的预测评分。