[发明专利]多模态在线学习资源网络推荐系统及其推荐方法在审
申请号: | 202010521526.X | 申请日: | 2020-06-10 |
公开(公告)号: | CN111737570A | 公开(公告)日: | 2020-10-02 |
发明(设计)人: | 姜文君;杨喜喜;任德盛;张吉;任演纳 | 申请(专利权)人: | 之江实验室;湖南大学 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06F16/36;G06Q10/06;G06Q50/20 |
代理公司: | 深圳市中原力和专利商标事务所(普通合伙) 44289 | 代理人: | 胡国良 |
地址: | 311121 浙江省杭州市余*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 多模态 在线 学习 资源 网络 推荐 系统 及其 方法 | ||
1.一种多模态在线学习资源网络推荐系统,其特征在于,包括:
数据采集模组,其采集学习者信息及学习资源信息;
学习能力评估模组,其根据所述数据采集模组所采集的学习者信息获得学习者的学习能力值;
学习资源难度计算模组,其根据所述数据采集模组所采集的学习资源信息计算学习资源难度值;及
学习资源推荐模组,其分别接收来自所述学习能力评估模组的学习能力值以及所述学习资源难度计算模组的学习资源难度值,并根据所述学习能力值及所述学习资源难度值之间的相互匹配值生成学习资源推荐方案,并选择性推荐满足设定匹配值的学习资源至学习者。
2.根据权利要求1所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源信息包括多种表达形式,所述学习资源网络推荐系统还包括学习资源表达形式识别模组,所述学习资源表达形式识别模组接收所述学习资源信息,并识别所述学习资源信息的表达形式。
3.根据权利要求2所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源推荐模组根据所述学习资源信息的表达形式、所述学习能力值与所述学习资源难度值之间的相互匹配值生成学习资源推荐方案,其中所述学习资源的表达形式包括文字、语音、图片、音频及视频中的任意一种或多种。
4.根据权利要求3所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源网络推荐系统还包括学习行为识别模组,所述数据采集模组还进一步采集所述学习者的学习行为信息,所述学习行为识别模组接收所述学习行为信息,并识别所述学习行为,所述学习资源推荐模组根据所述学习者学习行为信息结合所述学习资源表达形式的匹配值,对应推荐学习资源至所述学习者。
5.根据权利要求4所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源信息包括多个概念,所述学习资源难度计算模组根据所述多个概念之间的关系及对所述概念的限定通过评估计算学习资源的难度值和/或所述学习资源难度计算模组根据所述学习者的学习行为信息计算所述学习资源的难度值。
6.根据权利要求5所述的多模态在线学习资源网络推荐系统,其特征在于,所述学习资源难度计算模组根据所述学习资源信息的多个概念之间的关系、以及所述学习者的学习行为计算学习资源的至少一难度值,将其分别标准化并连接在一起组成学习资源难度向量。
7.根据权利要求6所述的多模态在线学习资源网络推荐系统,其特征在于,所述标准化公式如下:
其中,x是当前变量,xmin是所有x变量中的最小值,xmax是所有x变量中的最大值,xnew是标准化之后的变量值;
所述连接方法公式如下:
D=D1⊕D2⊕D3⊕D4⊕D5⊕D6
其中,D1-D6是根据不同方法并经过标准化后获得的学习资源难度值,至此,获得所述学习资源的难度值,其中D1是根据学习资源中所述概念之间的关系计算获得的学习资源难度值,D2是根据学习资源的学习人数计算获得的学习资源难度值,D3是根据学习资源中的文字描述计算获得的学习资源难度值,D4是根据学习资源的评分计算获得的学习资源难度值,D5是根据学习者在学习资源中的行为信息计算获得的学习资源难度值,D6是根据学习者在学习资源中做题、考试的得分计算获得的学习资源难度值,符号⊕为向量拼接操作。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于之江实验室;湖南大学,未经之江实验室;湖南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010521526.X/1.html,转载请声明来源钻瓜专利网。