[发明专利]基于多维度信息和知识网络的在线教育系统资源推荐方法

权利要求书

1.基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，该在线教育系统资源推荐方法包括以下步骤：

S1、构建在线网络学习推荐系统，导入用户的基础信息并关联多网络学习平台；

S2、设计知识网络管理引擎，并初步筛选用户的基础信息；

S3、基于知识网络管理引擎搭建知识网络，聚合多网络学习平台；

S4、将筛选用户的基础信息对应分配至多网络平台中；

S5、采用AdaBoost算法更新多网络平台中用户的基础信息的权重，根据更新的权重对多网络平台中用户的基础信息再分配；

S6、系统输出分配结果并反馈至用户，用户接收分配信息后进行业务处理；

S7、在线网络学习推荐系统接收用户的处理结果反馈，并更新用户的基础信息的分配结果；

S8、若更新用户的基础信息的分配结果，则进行延迟队列异常补偿处理。

2.根据权利要求1所述的基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，所述构建在线网络学习推荐系统，导入用户的基础信息并关联多网络学习平台还包括以下步骤：

S11、利用在线网络学习推荐系统收集用户的基础信息，并将用户基础信息中信息缺失以及虚假信息进行清洗；

S12、将互联网中的若干网络学习平台进行归拢；

S13、将清洗后的用户信息通过在线网络学习推荐系统与网络学习平台进行关联。

3.根据权利要求2所述的基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，所述在线网络学习推荐系统包括知识网络管理引擎、知识网络、用户管理系统及知识网络中构建的资源单元。

4.根据权利要求1所述的基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，所述用户的基础信息包括：学习者学习能力标识、学习者资源偏好标识、学习者课程标识及学习者浏览资源统计标识。

5.根据权利要求1所述的基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，所述采用AdaBoost算法更新多网络平台中用户的基础信息的权重，根据更新的权重对多网络平台中用户的基础信息再分配还包括以下步骤：

S41、将用户的基础信息分配成若干训练样本，每一个训练样本，初始化时赋予同样的权值w＝1/N，其中，w表示权值，N为样本总和；

S42、进行多次迭代，m＝1，2…N，m表示迭代次数；

S43、迭代完成后，组合弱分类器。

6.根据权利要求5所述的基于多维度信息和知识网络的在线教育系统资源推荐方法，其特征在于，所述初始化时赋予同样的权值的表达公式如下：D₁＝(w₁₁，w₁₂，w₁₃，...w_1i...，w_1N)，

其中，D₁表示用户的基础信息中第一次迭代每个样本的权值；w为权值，i为非零自然数，N为样本总数。