[发明专利]一种学习资源推荐方法、设备及存储介质

说明书

本发明公开了一种学习资源推荐方法、设备及存储介质，本发明方法首先建立学习资源与知识点之间的关联关系，构建知识点最优关联模型，能够对学习资源进行评估，从而推荐最优知识点；然后采集用户历史的学习场景信息，对采集的学习场景数据集进行聚类评估，而得到用户在不同的学习场景下与学习资源之间的关联关系；最后将用户当前的学习场景与聚类结果进行判别，最后基于知识点最优关联模型将相关学习资源推荐给用户。本发明建立了学习场景与学习资源的关联关系，能够为不同学习场景下的用户推荐学习资源以及最优的知识点，克服了现有技术中面向海量学习资源的个性化推荐广度有余，深度不足的缺陷，解决推荐精准度不够的问题。

技术领域

本发明涉及教育信息化技术领域，特别涉及一种学习资源推荐方法、设备及存储介质。

背景技术

随着社会的进步和科技的发展，教育信息化技术已经得到了飞速发展，互联网技术和人工智能技术更是不断深入融入教育信息化领域，以先进技术推动教育信息化向纵深发展，是未来的必然趋势。

知识点在教学过程中，总体是涵盖在国家教育部门颁布的教学大纲里。各教育机构以教学大纲为准，将知识点拆分、合并及重组在不同的教学载体上，在教育平台上，是以数字化的形式承载不同的知识点，以文本、音频、视频等不同形式的学习资源承载着不同的知识点。在不同的学习资源中，所有的学习资源即可归结为某个知识点，又可归结为多个知识点，学习资源和知识点之间的关系是多对多的关系。

目前，从学习者的角度出发，以协同过滤技术为代表的个性化推荐技术在教育领域有了一定的发展，这种推荐更多依赖学习者兴趣偏好以及学习者对学习资源的点击率来关联学习资源推荐模型，而这种模型目前停留在建模理论中的居多，应用实践不多。同时随着互联网的普及，信息量和数据量的大规模增长，造成现有的以数据库为依托的智能推荐系统无法适应大数据量的快速检索和数据质量的提升要求。尤其随着学习资源海量增长的规模，学习者如何判别在海量学习资源或现有的经推荐后的同类学习资源中找到属于自己的最优资源就成为了一个重要研究课题。加上目前国内教育平台的推荐系统是基于学习行为和学习偏好进行推荐，没有考虑不同的学习场景与学习资源的关联，造成推荐的学习资源广度有余，深度不足，精准率下降。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种学习资源推荐方法、设备及存储介质。建立了学习场景与学习资源的关联关系，能够为不同学习场景下的用户推荐最适宜的学习资源以及最优的知识点，提升了学习资源推荐的深度，也提升了学习资源推荐的准确度。

本发明提供了一种学习资源推荐方法、设备及存储介质。

根据本发明的实施例，提供了一种学习资源推荐方法，包括以下步骤：构建知识点最优关联模型，所述知识点最优关联模型关联知识点与学习资源，并对关联后的学习资源进行评估聚类，以实现根据学习资源推荐对应的最优知识点；

采集用户历史的学习场景信息，并关联用户在不同学习场景下所使用的学习资源，对采集的学习场景数据集进行聚类评估，得到聚类结果；

获取用户当前学习场景，根据所述聚类结果对所述当前学习场景进行判别分类，根据分类结果并基于所述知识点最优关联模型向用户推荐学习资源。

根据本发明实施例所述的一种学习资源推荐方法，所述知识点最优关联模型采用基于用户的协同过滤算法向用户推荐Top-N的学习资源。

根据本发明的一些实施例，所述对关联后的学习资源进行评估聚类，具体包括：根据树核网络结合树核计算以及词向量的中文句子语义相似度算法对关联后的学习资源进行评估聚类。

根据本发明的一些实施例，所述知识点最优关联模型根据学习资源被使用的次数，自动调整知识点与学习资源的关联强度。

根据本发明的一些实施例，所述对采集的学习场景数据集进行聚类评估，得到聚类结果，具体包括步骤：