一種遠程教育資源的推薦方法和裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及信息處理領域，尤其涉及一種遠程教育資源的推薦方法和裝置。
【背景技術】
[0002] 近年來，互聯(lián)網上的教育資源數量急劇增長，用戶為尋找需要的教育資源所花費 的時間也越來越長，產生了"信息超載現象"。為了降低用戶尋找所需教育資源的代價，教育 資源推薦技術應運而生。教育資源推薦技術一般通過分析用戶的行為（例如，對教育資源 進行評分），自動向用戶推薦其可能感興趣的教育資源。協(xié)同過濾技術是教育資源推薦系統(tǒng) 中應用最為廣泛的技術之一。它的基本思想是尋找與目標用戶興趣相似的用戶群體（鄰居 用戶集），然后將鄰居用戶集感興趣的內容推薦給目標用戶?，F有的教育資源推薦系統(tǒng)中， 一般以用戶對教育資源的評分作為尋找鄰居用戶集的主要數據來源。但是，很多用戶不愿 意對資源進行評分，或者評分較為隨意，導致系統(tǒng)無法產生精確的推薦結果。
[0003] 此外，協(xié)同過濾技術存在"冷啟動"的技術缺陷。對于新成立的教育網站，教育資 源被瀏覽和評分的比率較低，推薦系統(tǒng)難以生成目標用戶的鄰居用戶集，產生的推薦結果 難以令人滿意。對于新上線的教育資源，由于沒有用戶的瀏覽或評價歷史記錄，系統(tǒng)不能將 其歸屬到鄰居用戶集的興趣范圍，從而無法將最新的資源推薦給用戶。

【發(fā)明內容】

[0004] 本發(fā)明解決的問題是提供一種遠程教育資源的推薦方法和裝置，不僅能準確地為 用戶推薦資源，還可解決協(xié)同過濾技術對新成立的教育網站的"冷啟動"問題。
[0005] 為了解決上述問題，本發(fā)明提供了一種遠程教育資源的推薦方法，包括如下步 驟：
[0006] (1)根據用戶的信息，計算得到所述用戶對教育資源的興趣程度R，并存儲于用戶 興趣表；
[0007] (2)根據所述用戶的信息，計算所述用戶的用戶-資源評分率T ;
[0008] (3)比較所述用戶-資源評分率T與指定閾值VT的大小，若所述用戶-資源評分 率T小于等于所述指定閾值\，對所述用戶對所述教育資源的興趣程度進行預測，將所述預 測值填充為所述興趣程度R，存儲于所述用戶興趣表，并根據所述用戶興趣表，推薦所述用 戶感興趣的教育資源；若所述用戶-資源評分率T大于所述指定閾值V T，則直接根據所述用 戶興趣表，推薦所述用戶感興趣的教育資源。
[0009] 上述所述一種遠程教育資源的推薦方法，其中，所述用戶信息包括顯式興趣信息 和隱式興趣信息。
[0010] 上述所述一種遠程教育資源的推薦方法，其中，所述顯式興趣信息為所述用戶對 所述教育資源的收藏、評分以及下載。
[0011] 上述所述一種遠程教育資源的推薦方法，其中，所述隱式興趣信息為所述用戶對 所述教育資源的瀏覽時長、瀏覽內容大小和資源類型。
[0012] 上述所述一種遠程教育資源的推薦方法，其中，得到所述用戶對所述教育資源的 興趣程度R的過程為：
[0013] (1)根據所述顯式興趣信息，計算所述用戶對所述教育資源的顯示興趣度Rs ;
[0014] (2)根據所述隱式興趣信息，計算所述用戶對所述教育資源的隱式興趣度RT;
[0015] (3)分別設置所述顯示興趣度Rs和隱式興趣度R T的權重as和aT，并計算所述顯示 興趣度Rs和隱式興趣度R T的加權和，其中，所述權重as和aT均大于等于0小于等于1，且 所述士和和之和為1。
[0016] 上述所述一種遠程教育資源的推薦方法，其中，計算所述顯式興趣度馬的過程 為：
[0017] (1)設置所述各項顯式興趣信息的權重，其中，所述權重之和為1，且均大于等于0 小于等于1;
[0018] (2)根據所述用戶的學習行為，對所述各項顯式興趣信息進行賦值；
[0019] (3)計算所述顯示興趣信息的賦值加權和，即為所述顯示興趣度Rs。
[0020] 上述所述一種遠程教育資源的推薦方法，其中，計算所述隱式興趣度RT的過程 為：
[0021] (1)根據所述用戶的學習行為，對所述各項隱式興趣信息進行賦值；
[0022] (2)計算所述用戶對當前教育資源的瀏覽興趣I以及所述用戶對歷史教育資源的 瀏覽興趣I' ；
[0023] (3)根據所述瀏覽興趣I'，計算閾值，并比較所述I和所述閾值之間的大小，得到 所述隱式興趣度R t。
[0024] 上述所述一種遠程教育資源的推薦方法，其中，計算所述用戶的用戶-資源評分 率T的公式為：
【主權項】
1. 一種遠程教育資源的推薦方法，其特征在于，包括如下步驟： (1) 根據用戶的信息，計算得到所述用戶對教育資源的興趣程度R，并存儲于用戶興趣 表； (2) 根據所述用戶的信息，計算所述用戶的用戶-資源評分率T; (3) 比較所述用戶-資源評分率T與指定閾值VT的大小，若所述用戶-資源評分率T 小于等于所述指定閾值VT，對所述用戶對所述教育資源的興趣程度進行預測，將所述預測 值填充為所述興趣程度R，存儲于所述用戶興趣表，并根據所述用戶興趣表，推薦所述用戶 感興趣的教育資源；若所述用戶-資源評分率T大于所述指定閾值VT，則直接根據所述用戶 興趣表，推薦所述用戶感興趣的教育資源。
2. 如權利要求1所述一種遠程教育資源的推薦方法，其特征在于，所述用戶信息包括 顯式興趣信息和隱式興趣信息。
3. 如權利要求2所述一種遠程教育資源的推薦方法，其特征在于，所述顯式興趣信息 為所述用戶對所述教育資源的收藏、評分以及下載。
4. 如權利要求2所述一種遠程教育資源的推薦方法，其特征在于，所述隱式興趣信息 為所述用戶對所述教育資源的瀏覽時長、瀏覽內容大小和資源類型。
5. 如權利要求1所述一種遠程教育資源的推薦方法，其特征在于，得到所述用戶對所 述教育資源的興趣程度R的過程為： (1) 根據所述顯式興趣信息，計算所述用戶對所述教育資源的顯示興趣度Rs ; (2) 根據所述隱式興趣信息，計算所述用戶對所述教育資源的隱式興趣度RT ; (3) 分別設置所述顯示興趣度Rs和隱式興趣度RT的權重as和aT，并計算所述顯示興趣 度Rs和隱式興趣度RT的加權和，其中，所述權重as和aT均大于等于0小于等于1，且所述 as和aT之和為1。
6. 如權利要求5所述一種遠程教育資源的推薦方法，其特征在于，計算所述顯式興趣 度Rs的過程為： (1) 設置所述各項顯式興趣信息的權重，其中，所述權重之和為1，且均大于等于〇小于 等于1 ; (2) 根據所述用戶的學習行為，對所述各項顯式興趣信息進行賦值； (3) 計算所述顯示興趣信息的賦值加權和，即為所述顯示興趣度Rs。
7. 如權利要求1所述一種遠程教育資源的推薦方法，其特征在于，計算所述隱式興趣 度RT的過程為： (1) 根據所述用戶的學習行為，對所述各項隱式興趣信息進行賦值； (2) 計算所述用戶對當前教育資源的瀏覽興趣I以及所述用戶對歷史教育資源的瀏覽 興趣I'； (3) 根據所述瀏覽興趣I'，計算閾值，并比較所述I和所述閾值之間的大小，得到所述 隱式興趣度Rt。
8. 如權利要求1所述一種遠程教育資源的推薦方法，其特征在于，計算所述用戶的用 戶-資源評分率
T的公式為： 其中，N為網站中的用戶數量;M為所述教育資源數量；nunii為第i個用戶的瀏覽次數。
9. 如權利要求1所述一種遠程教育資源的推薦方法，其特征在于，對所述用戶對所述 教育資源的興趣程度進行預測的過程為：統(tǒng)計所述用戶在歷史學習記錄中所述教育資源出 現的次數m;比較所述次數m和指定閾值Vm的大小，若所述次數m大于所述指定閾值Vm，則 以所述用戶歷史記錄中對所述教育資源的平均興趣程度作為所述興趣程度R，若所述次數 m小于等于所述指定閾值Vm，則以評分范圍的均值作為所述興趣程度R。
10. 如權利要求1所述一種遠程教育資源的推薦方法，其特征在于，通過協(xié)同過濾技術 分析所述用戶興趣表，推薦所述用戶感興趣的教育資源。
11. 如權利要求1所述一種遠程教育資源的推薦裝置，其特征在于，所述裝置包括： 獲取用戶興趣表單元，適用于根據用戶的信息，計算得到所述用戶對教育資源的興趣 程度R，并存儲于用戶興趣表； 計算單元，適用于根據所述用戶的信息，計算所述用戶的用戶-資源評分率T; 比較單元，適用于比較所述用戶-資源評分率T與指定閾值VT的大小，若所述用戶-資 源評分率T小于等于所述指定閾值\，對所述用戶對所述教育資源的興趣程度進行預測，將 所述預測值填充為所述興趣程度R，存儲于所述用戶興趣表，并根據所述用戶興趣表，推薦 所述用戶感興趣的教育資源；若所述用戶-資源評分率T大于所述指定閾值VT，則直接根據 所述用戶興趣表，推薦所述用戶感興趣的教育資源。
【專利摘要】本發(fā)明提供一種遠程教育資源的推薦方法和裝置，所述方法包括如下步驟：(1)根據用戶的信息，計算得到用戶對教育資源的興趣程度R，并存儲于用戶興趣表；(2)根據用戶的信息，計算用戶的用戶-資源評分率T；(3)比較用戶-資源評分率T與指定閾值VT的大小，若用戶-資源評分率T小于等于指定閾值VT，對用戶對所述教育資源的興趣程度進行預測，將預測值填充為所述興趣程度R，存儲于用戶興趣表，并根據用戶興趣表，推薦用戶感興趣的教育資源；若用戶-資源評分率T大于指定閾值VT，則直接根據用戶興趣表，推薦用戶感興趣的教育資源。本技術方案不僅能準確地為用戶推薦資源，還可解決協(xié)同過濾技術對新成立的教育網站的“冷啟動”問題。
【IPC分類】G06F17-30, G06Q50-20
【公開號】CN104809127
【申請?zhí)枴緾N201410038543
【發(fā)明人】陳文娟
【申請人】上海聯(lián)影醫(yī)療科技有限公司
【公開日】2015年7月29日
【申請日】2014年1月26日