[发明专利]一种自适应推荐方法及系统

说明书

本发明公开了一种自适应推荐方法，包括：构建领域知识模型；根据学习者的知识能力水平和学习者基本信息建立学习者模型；根据学习者的闯关记录生成结构化的操作记录；根据学习者模型、闯关记录以及领域知识模型进行学习资源和路径推荐，本发明通过本发明提出的基于闯关学习模式的自适应推荐方法，建立了领域知识模型与学习者模型之间的关联规则，实现依据学习者的个性特征呈现学习资源和学习路径，达到智能导学的目，提高了推荐的质量，实现千人千面的自适应学习。

技术领域

本发明属于电力系统调度培训技术领域，具体为一种自适应推荐方法及系统。

背景技术

自适应学习是指根据学习内容和学习方式的不同，可以将人的学习分为三种不同的类型，它们是机械的学习、示教的学习以及自适应的学习。自适应学习通常是指给学习中提供相应的学习的环境、实例或场域，通过学习者自身在学习中发现总结，最终形成理论并能自主解决问题的学习方式。自适应学习技术的关键是推荐的学习资源要能够与学习者本身的知识水平、学习偏好相匹配，推荐技术的运用是能够使学习者将要学习的知识与原有的知识达到主动、快速的衔接、帮助学习者发现他们所需学习资源。

常用的推荐方法包括协同过滤推荐、基于内容推荐、关联规则推荐三种。其中，协同过滤推荐是依据用户对项目的评分矩阵实现个性化推荐，但在系统实际运行中大部分用户很少参与项目评论，且新用户的不断增加，使得评分矩阵出现稀疏性问题，导致推荐准确率不高。基于内容的推荐，是计算项目特征与用户兴趣模型相似度进行推荐。用户兴趣模型的建立依赖学习者的历史数据，故存在系统冷启动问题。基于规则的推荐，依据用户浏览历史作为推荐意见，分析用户和兴趣之间的关系，并制定相应的规则，该方法简单明了，但同样存在系统冷启动问题，这使得难以保证为新用户推荐资源的质量。可见，推荐技术的选择直接影响主动推荐学习资源的质量及适应性学习能否实现，现有的推荐技术未能够很好地将领域知识模型及学习者模型充分考虑进去，导致知识推荐质量不高。

发明内容

针对现有技术的问题，本发明提供了一种自适应推荐方法及系统，能够提高学习过程中的推荐质量。

本发明所采用的技术方案，包若如下几个方面：

第一方面，提供了一种自适应推荐方法，包括：

构建领域知识模型；

根据学习者的知识能力水平和学习者基本信息建立学习者模型；

根据学习者的闯关记录生成结构化的操作记录；

根据学习者模型、闯关记录以及领域知识模型进行学习资源和路径推荐。

结合第一方面，进一步的，构建领域知识模型具体为：根据学习目标、知识点、学习资源、闯关试题作为核心要素通过本体技术建立领域知识模型。

结合第一方面，进一步的，在建立领域知识模型过程中确定要素的属性，并对属性采用语义标注。

结合第一方面，进一步的，所述根据学习者的知识能力水平和学者基本信息建立学习者模型具体为：根据学习者已完成闯关的难度等级对其进行知识能力水平划分，并根据学习者在闯关过程中的操作记录生成学习者知识能力标准库,通过学习者知识能力标准库和学习者基本信息库构建学习者模型。

结合第一方面，进一步的，所述根据学习者模型、闯关记录以及领域知识模型进行学习资源和路径推荐包括：

根据领域知识模型构建学习者知识技能向量以构建推荐矩阵的列；

根据学习者基本信息库构建学习者向量以构建推荐矩阵的行；

根据学习者知识技能向量和学习者向量构建推荐矩阵；

根据闯关者的操作记录填充推荐矩阵。

第二方面，提供了一种自适应推荐方法，包括：