[发明专利]一种基于移动学习的学习资源自动推荐方法

摘要

本发明属于社交网络中兴趣推荐研究体系中学习资源推荐研究范畴，涉及一种基于移动学习的学习资源自动推荐方法，建立模型解决移动用户学习平台上的用户学习兴趣发现问题，把用户学习兴趣这一问题看作是基于时间和位置维度上的用户学习资源的轨迹特征发现问题，把具有同一资源兴趣的用户看作是一组资源用户群，从用户学习轨迹和资源用户群学习特点角度预测用户可能学习的下一个资源，继而实现用户的学习兴趣发现。

主权项

一种基于移动学习的学习资源自动推荐方法，其特征在于，包括以下步骤：步骤1，建立用户‑资源‑时间‑位置四元组Z＝(U,K,T,L)其中，U代表用户集合，K代表学习资源集合，T代表时间集合，L代表位置集合；建立四元组基于以下定义：A.1用户属性定义用户集合U＝{u1,u2,...,ui,...}；其中，u1、u2、ui表示不同用户；任意用户ui由其属性构成，即ui＝{ui.a1,ui.a2,ui.a3,...}；定义所有用户U访问资源的起始时间集合T＝{t1,t2,...,tj,...}；其中，t1、t2、tj表示不同时间；A.2资源属性定义学习资源K＝{k1,k2,...}；其中，k1、k2表示不同学习资源；任意资源kp由其属性构成，即kp＝{kp.b1,kp.b2,kp.b3,...}；当用户ui访问学习资源kp时，可记为ui.kp；A.3时间属性定义时间集合T＝{t1,t2,...,tm,...}，用户ui在访问资源kp时起始时间记为结束时间记为那么用户ui在访问资源kp时持续时间记为这里，时才有效，根据实际经验ε取值为2min，即用户访问资源超过两分钟时才有效；用户ui访问资源kp和资源kp+1的时间间隔记为A.4位置属性定义所有位置集合L＝{l1,l2,...,ln,...}，用户ui在学习资源kp时的位置为ln，即ui.kp.ln；步骤2，进行用户行为特征分析，基于以下定义：B.1访问资源序列用户ui访问资源K的序列B.2用户访问资源的频度fui,kp=Σα(ui,kp)Σp=1|K|α(ui,kp)]]>B.3用户访问资源比例指用户ui在所有资源K中访问资源所占比例：P((ui,kp)|(U,K)=Σp=1|K|α(ui,kp)Σi=1|U|Σp=1|K|α(ui,kp)]]>其中，函数分母表示所有用户访问所有资源的总次数；用户ui在tj时间访问资源kp的概率：P((ui,kp)|tj)=α(ui,kp)|t=tjΣp=1|K|α(ui,kp)]]>用户ui在tj时间lq位置访问资源kp的概率：P((ui,kp)|(tj,lq))=α(ui,kp)|t=tj,l=lqΣp=1|K|α(ui,kp)]]>B.4选择资源周期用户ui在选择访问资源时，一般经过比较和选择才能最终确定资源，即pr＝(u,sq,ks)；其中，u∈U，ks表示用户最终选择的资源；所有周期集合为Pr＝{pr1,pr2,...}；B.5资源关联强度用户ui从当前资源kp跳转到下一个资源的kp+1的概率：P(kp+1|kp)=P(ui,kp)×P(ui,kp+1)Σp=2|K|P(ui,kp-1)×P(ui,kp)]]>B.6资源用户群按照学习资源的属性分类，将喜欢同一类型资源的用户称为资源用户群，即其中φi＝{ux,uy,...}，即任意一个资源用户群是由若干个用户组成；且表示资源用户群的总数；步骤3，基于步骤1建立的四元组和步骤2进行的用户行为特征分析进行学习兴趣推荐。