一种学习内容推荐方法及系统与流程

1.本发明属于教育产品领域，涉及一种学习内容推荐方法及系统，应用于各种教育机构的产品推荐。


背景技术：

2.随着互联网的技术发展，人们逐步实现了各种移动教学的目的，通过不同的智能移动端，在任何场合下通过互联网进行移动教学和学习，增加了学习和教育的方式和便捷度，因此移动教学被广泛的推广也利用。
3.但是目前用户在进行学习内容选择时，通常会遇见学习内容选择不够明确，导致了大量的时间浪费在学习内容选择上，一定程度的浪费了学习的时间，并且在学习内容推荐时，无法更细致的进行完善，不能够明确的为用户提供学习内容选择，也同样的浪费了学习的时间。


技术实现要素：

4.本发明的目的在于提供一种学习内容推荐方法及系统。
5.本发明所要解决的技术问题为：
6.1、学习内容选择不够明确，导致了大量的时间浪费在学习内容选择上；
7.2、在学习内容推荐时，无法更细致的进行完善，不能够明确的为用户提供学习内容选择，降低了学习内容的推荐效率；
8.本发明的目的可以通过以下技术方案实现；
9.一种学习内容推荐方法，包括以下步骤组成：
10.步骤一：获取用户学习信息浏览记录和学习记录数据，根据互联网以及线下进行用户资料收集获取，获取到大量用户的学习记录信息及对应的用户信息，然后对信息进行初步分类，同时筛分淘汰无用的用户信息；
11.步骤二：根据获取的用户浏览信息和当前学习记录，构建用户学习分类框架，将学习记录信息对应至用户信息，实现用户学习分类框架的细致分类来配合下一步的浏览筛分；
12.步骤三：筛选获取用户信息的学习深度百分比，根据用户学习分类框架的内容，筛分用户信息的浏览学习内容的深度，并将用户深入学习百分比分为0％-15％、16％-40％、41％-100％的三个类型，分类后对应至详细的个人的信息资料进行标记；
13.步骤四：获取用户个人信息，根据用户学习分类框架和用户深入学习百分比的分类标记获取需要推荐的用户个人信息；
14.步骤五：根据用户学习分类框架推荐学习内容，根据用户学习分类框架的用户深入学习百分比的不同，0％-15％用户进行多类型推荐、10％-40％用户进行多类型注重同类型推荐、30％-100％用户进行同类型推荐的不同学习内容推荐。
15.进一步地，所述根据获取的用户浏览信息和当前学习记录，构建用户学习分类框
架是对用户的信息和学习记录数据进行语义解析，再根据语义解析的结果，对用户信息和学习记录数据进行标注标签，根据学习记录数据的标注标签来标记学习记录信息与用户类型之间的关联关系信息，并对学习记录信息中每一条学习记录的知识点进行标记，然后根据关联关系和知识点分类的标记构建用户学习分类框架中的个人学习框架。
16.本发明还提供一种学习内容推荐系统，包括信息获取单元、信息分类单元、深度筛选单元、用户信息获取模块、学习内容推荐模块；
17.信息获取单元：在互联网上以及线下获取大量用户的学习记录信息及对应的用户信息，对信息进行初步分类，去除无用的用户信息后留下可推荐的用户信息；
18.信息分类单元：通过公式对信息进行分类，获取每条学习记录对应的教学内容，提取教学内容中的文本信息，再标记每条学习记录的知识点，再对学习信息细致分类，用户学习信息分类细节公式为并构建用户学习分类框架；
19.深度筛选单元：根据用户学习分类框架，筛分用户浏览学习内容的深度，并将用户深入学习百分比分为0％-15％、16％-40％、41％-100％三个类型，重复类型用户可进行重复分类；
20.用户信息获取模块：根据用户学习分类框架的分类获取需要推荐用户信息内容；
21.学习内容推荐模块：根据深度筛选单元的分类，以及用户信息获取模块分类的用户信息，筛选分类的用户信息中的用户个人信息和用户学习信息，综合用户个人信息和用户学习信息，对用户进行精准学习内容推荐。
22.进一步地，所述综合用户个人信息和用户学习信息，对用户进行精准学习内容推荐的具体方法为：
23.获取用户个人信息中专业学历信息a，赋值权重比例w1；
24.获取用户学习信息中的课程内容信息b，赋值权重比例w2；
25.匹配专业学历信息a的内容x及匹配用户学习信息中的课程内容信息b的内容y，生成最终推送内容z＝w1*x w2*y；
26.其中，w1 w2＝1，0《w1《1，0《w2《1。
27.进一步的，所述用户信息获取模块包括：
28.用户学习分类框架：根据用户学习分类框架获取对应用户个人信息的人群；
29.查找单元：根据选择的人群单元精准选择用户个人信息。
30.进一步的，所述学习内容推荐模块包括：
31.内容推荐单元：根据用户用户浏览学习内容选择推荐内容，定位用户样本信息，计算深入学习百分比分别推荐内容，再根据深入学习百分比分别推荐内容；
32.查找确定单元：用户确定选择推荐学习内容，对接入学习选项中。
33.本发明的有益效果：
34.本发明通过获取每条学习记录对应的教学内容，提取教学内容中的文本信息，再标记每条学习记录的知识点，再对学习信息细致分类，并构建个人学习框架，精准的确定用
户学习选择内容，使用户在学习内容选择时更加明确，建设了大量的时间浪费在学习内容选择上；
35.通过筛分用户学习深度百分比，筛分用户浏览学习内容的深度，并将用户深入学习百分比分为0％-15％、10％-40％、30％-100％三个类型，再根据用户深入学习百分比不同进行多类型推荐、多类型注重同类型推荐、同类型推荐的不同推荐，实现了更细致的学习内容推荐，明确的为用户提供学习同类型以及不同内容选择，提高了学习内容的推荐效率。
附图说明
36.为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
37.图1为本发明的学习内容推荐方法的流程框图；
38.图2为本发明的学习内容推荐系统的框图；
39.图3为本发明的推荐分类图。
具体实施方式
40.如图1-3所示，一种学习内容推荐方法，包括以下步骤组成：
41.步骤一：获取用户学习信息浏览记录和学习记录数据，根据互联网以及线下进行用户资料收集获取，获取到大量用户的学习记录信息及对应的用户信息，然后对信息进行初步分类，同时筛分淘汰无用的用户信息；
42.步骤二：根据获取的用户浏览信息和当前学习记录，构建用户学习分类框架，将学习记录信息对应至用户信息，实现用户学习分类框架的细致分类来配合下一步的浏览筛分；
43.步骤三：筛选获取用户信息的学习深度百分比，根据用户学习分类框架的内容，筛分用户信息的浏览学习内容的深度，并将用户深入学习百分比分为0％-15％、10％-40％、30％-100％的三个类型，分类后对应至详细的个人的信息资料进行标记；
44.步骤四：获取用户个人信息，根据用户学习分类框架和用户深入学习百分比的分类标记获取需要推荐的用户个人信息；
45.步骤五：根据用户学习分类框架推荐学习内容，根据用户学习分类框架的用户深入学习百分比的不同，0％-15％用户进行多类型推荐、16％-40％用户进行多类型注重同类型推荐、41％-100％用户进行同类型推荐的不同学习内容推荐。
46.根据获取的用户浏览信息和当前学习记录，构建用户学习分类框架是对用户的信息和学习记录数据进行语义解析，再根据语义解析的结果，对用户信息和学习记录数据进行标注标签，根据学习记录数据的标注标签来标记学习记录信息与用户类型之间的关联关系信息，并对学习记录信息中每一条学习记录的知识点进行标记，然后根据关联关系和知识点分类的标记构建用户学习分类框架中的个人学习框架；
47.继续参见图1-3，本发明还提供一种学习内容推荐系统，包括信息获取单元、信息分类单元、深度筛选单元、用户信息获取模块、学习内容推荐模块；
48.信息获取单元：在互联网上以及线下获取大量用户的学习记录信息及对应的用户信息，对信息进行初步分类，去除无用的用户信息后留下可推荐的用户信息；
49.信息分类单元：通过公式对信息进行分类，获取每条学习记录对应的教学内容，提取教学内容中的文本信息，再标记每条学习记录的知识点，再对学习信息细致分类，用户学习信息分类细节公式为并构建用户学习分类框架；
50.深度筛选单元：根据用户学习分类框架，筛分用户浏览学习内容的深度，并将用户深入学习百分比分为0％-15％、16％-40％、41％-100％三个类型，重复类型用户可进行重复分类；
51.用户信息获取模块：根据用户学习分类框架的分类获取需要推荐用户信息内容；
52.学习内容推荐模块：根据深度筛选单元的分类，以及用户信息获取模块分类的用户信息，筛选分类的用户信息中的用户个人信息和用户学习信息，综合用户个人信息和用户学习信息，对用户进行精准学习内容推荐。
53.其中，所述综合用户个人信息和用户学习信息，对用户进行精准学习内容推荐的具体方法为：
54.获取用户个人信息中专业学历信息a，赋值权重比例w1；
55.获取用户学习信息中的课程内容信息b，赋值权重比例w2；
56.匹配专业学历信息a的内容x及匹配用户学习信息中的课程内容信息b的内容y，生成最终推送内容z＝w1*x w2*y；
57.其中，w1 w2＝1，0《w1《1，0《w2《1。
58.例如，用户个人信息中专业学历信息a为化学专业的研究生，其化学方面的知识接受度高，w1相对取值可以为0.5，另一个权重比例w2为0.5，这样，就类似于等权重推荐给用户专业学历相关知识x，及用户学习信息中课程内容信息b的相关的内容y。
59.用户信息获取模块包括：
60.用户学习分类框架：根据用户学习分类框架获取对应用户个人信息的人群；
61.查找单元：根据选择的人群单元精准选择用户个人信息。
62.学习内容推荐模块包括：
63.内容推荐单元：根据用户用户浏览学习内容选择推荐内容，定位用户样本信息，计算深入学习百分比分别推荐内容，再根据深入学习百分比分别推荐内容；
64.查找确定单元：用户确定选择推荐学习内容，对接入学习选项中。
65.本发明的有益效果如下：
66.通过获取每条学习记录对应的教学内容，提取教学内容中的文本信息，再标记每条学习记录的知识点，再对学习信息细致分类，并构建个人学习图谱，精准的确定用户学习选择内容，使用户在学习内容选择时更加明确，建设了大量的时间浪费在学习内容选择上；通过筛分用户学习深度百分比，筛分用户浏览学习内容的深度，并将用户深入学习百分比分为0％-15％、16％-40％、41％-100％三个类型，再根据用户深入学习百分比不同进行多类型推荐、多类型注重同类型推荐、同类型推荐的不同推荐，实现了更细致的学习内容推荐，明确的为用户提供学习同类型以及不同内容选择，提高了学习内容的推荐效率。
67.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。