[发明专利]学习行为的个性化推荐方法及系统

摘要

本发明公开了一种学习行为的个性化推荐方法及系统，该方法包括以下步骤：S1，获取学习者-学习资源矩阵信息；S2，计算学习者-学习资源矩阵稀疏性，若稀疏性Sparsity＜α，对学习者学习行为进行挖掘，否则执行步骤S4；S3，根据挖掘的学习者学习行为，对未进行主动评价的学习资源计算出学习者学习行为的最终权值，将该最终权值替换到学习者-学习资源矩阵中的相应位置上；S4，通过相似性计算得出学习者学习需求最相似的学习者集合；S5，将最相似的学习资源推送给学习者。本发明提高了在线学习资源的利用率，避免了原有协同过滤算法中存在的稀疏性问题，并且考虑了学习者学习需要随时间变化而迁移的因素，最终提高了学习资源推荐的精确度。

主权项

一种学习行为的个性化推荐方法，其特征在于，包括以下步骤：S1，获取学习者‑学习资源矩阵信息：获取M个学习者对N个学习资源的主动评分，未主动评分的学习资源评分为空值，形成一个M×N矩阵E；其中元素E_i,j代表了第i个学习者对第j个学习资源的评分；所述M、N均为正整数，i、j依次为不大于M、N的正整数；S2，计算学习者‑学习资源矩阵稀疏性，若稀疏性Sparsity＜α，对学习者学习行为进行挖掘，执行步骤S3，否则执行步骤S4，其中，α为设定稀疏性阈值；S3，根据挖掘的学习者学习行为，对未进行主动评分的学习资源的学习行为分别赋予相应的权值，并根据学习者的学习行为计算出学习者学习行为的最终权值，所述最终权值为学习者对该项学习资源的学习行为权值相加之和；将该最终权值替换到学习者‑学习资源矩阵中的相应位置上；S4，通过相似性计算得出学习者学习需求最相似的学习者集合；S5，将最相似的学习资源推送给学习者。