申请/专利权人：禾辰纵横信息技术有限公司

申请日：2024-04-10

公开（公告）日：2024-06-28

公开（公告）号：CN118037003B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q50/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明涉及课程排序的技术领域，公开了一种在线学习课程优化排序方法和系统，所述方法包括：构建知识点的先决条件图，根据知识点的先决条件图筛选出课程推荐候选集；对课程推荐候选集中的任意课程进行特征提取，得到课程潜在关联特征；构建课程知识理解模型，生成用户的课程知识掌握程度；基于用户的课程知识掌握程度对课程推荐候选集进行协同推荐以及课程排序。本发明生成用户成绩与不同在线课程的映射关系以及用户对不同知识点的掌握情况，结合在线课程之间的关联性信息，从用户的薄弱知识点中选取映射关系最高且具有课程关联性的若干在线课程，进行基于知识点先决条件关系的课程排序，实现个性化课程排序，提高用户在薄弱知识点的掌握情况。

主权项：1.一种在线学习课程优化排序方法，其特征在于，所述方法包括：S1：构建知识点的先决条件图，根据知识点的先决条件图筛选出课程推荐候选集；其中课程推荐候选集的筛选流程包括：获取所有在线课程以及在线课程所讲述的知识点序列，按照在线课程所讲述知识点总数的升序对在线课程进行排序，从排序结果中依次选取在线课程，进行基于知识点的分类处理，根据知识点分类结果筛选课程推荐候选集；所述S1步骤中构建知识点的先决条件图，包括：构建知识点的先决条件图，其中知识点的先决条件图为有向图形式，表示知识点的先决条件图，表示先决条件图中的知识点集合，表示先决条件图任意两组知识点的先决条件关系，其中： ； ；其中： 表示第n个知识点，N表示知识点的总数； 表示知识点与知识点之间的先决条件关系，或1，表示知识点为知识点的直接先决条件，表示知识点不为知识点的直接先决条件；S2：对课程推荐候选集中的任意课程进行特征提取，得到课程潜在关联特征；所述特征提取包括：获取课程推荐候选集中每门在线课程的课程描述信息，并对课程描述信息进行分词以及基于词向量模型的编码表示，得到课程推荐候选集中每门在线课程的课程信息向量，根据课程信息向量计算课程推荐候选集中每门在线课程与其他课程的关联性权重，并依据关联性权重计算课程推荐候选集中每门在线课程的课程潜在关联特征；S3：构建课程知识理解模型，生成用户的课程知识掌握程度，所述课程知识理解模型以课程潜在关联特征以及用户成绩信息为输入，以用户的课程知识掌握程度为输出；其中生成用户的课程知识掌握程度包括：对用户成绩信息中的描述文本信息进行特征提取，将用户成绩特征与课程潜在关联特征进行特征映射，生成用户成绩与每门在线课程的映射关系，基于用户的试题作答信息以及每道题目所考察的知识点，计算得到用户对每个知识点的掌握情况，构成用户的课程知识掌握程度进行输出；所述S3步骤中，所述用户成绩信息包括用户的课程偏好、兴趣、课程弱项以及强项的描述文本信息，以及用户的试题作答信息，用户的试题作答信息为： ；其中：Y表示用户的试题作答信息，表示用户在第m道题的得分情况，其中，表示用户答错第m道题，表示用户答对第m道题，M表示用户所作答试题的总数，其中每道试题具有若干考察知识点，考察知识点的范围为先决条件图中知识点的集合E；课程知识理解模型包括输入层、用户成绩特征提取层、特征映射层、知识掌握程度计算层以及输出层，输入层用于接收每门在线课程的课程潜在关联特征以及用户成绩信息，用户成绩特征提取层用于对用户成绩信息进行特征提取，得到用户成绩特征，特征映射层用于将用户成绩特征与课程潜在关联特征进行特征映射，生成用户成绩与每门在线课程的映射关系，知识掌握程度计算层用于计算得到用户对不同知识点的掌握情况以及用户与每门在线课程的映射关联情况，作为用户的课程知识掌握程度，并进行输出；所述S3步骤中生成用户的课程知识掌握程度，包括：利用课程知识理解模型生成用户的课程知识掌握程度，其中课程知识掌握程度的生成流程为：S31：输入层接收每门在线课程的课程潜在关联特征以及用户成绩信息；S32：用户成绩特征提取层对用户成绩信息中的描述文本信息进行特征提取，其中特征提取流程包括分词以及基于词向量模型的编码表示，得到用户成绩信息的描述文本特征y，将描述文本特征y以及用户的试题作答信息Y作为用户成绩特征；S33：特征映射层将用户成绩特征与课程潜在关联特征进行特征映射，生成用户成绩与每门在线课程的映射关系，其中用户成绩与在线课程的映射关系为： ；其中： 表示用户成绩与在线课程的映射关系，其中映射关系越大，则表示用户与该在线课程的适配程度越高；在线课程的课程信息向量为；S34：知识掌握程度计算层基于用户的试题作答信息Y以及每道题目所考察的知识点，计算得到用户对每个知识点的掌握情况，其中用户对知识点的掌握情况为： ； ；其中： 表示用户对知识点的掌握情况； 表示用户在不完全掌握知识点的情况下的猜对考察知识点的题目的概率； 表示用户在完全掌握知识点的情况下答错考察知识点的题目的概率； 表示用户所作答M道题目中，考察知识点的题目集合，，表示题目集合中的任意题目； 表示试题作答信息Y中用户对题目的得分情况； 表示用户对知识点的试题作答情况；S35：输出层从特征映射层中提取用户成绩与不同在线课程的映射关系，并从知识掌握程度计算层中提取用户对不同知识点的掌握情况，构成用户的课程知识掌握程度进行输出；S4：基于用户的课程知识掌握程度对课程推荐候选集进行协同推荐，生成用户的课程推荐排序结果；其中生成用户的课程推荐排序结果包括：从用户的课程知识掌握程度中提取掌握情况低于预设阈值的知识点作为用户需要进行学习的待学习知识点，分别从每个待学习知识点所对应的课程推荐候选集中选取在线课程，作为每个待学习知识点的待排课在线课程，按照先决条件图中知识点之间的先决条件关系顺序，对每个待学习知识点的待排课在线课程进行排课，生成用户的课程推荐排序结果。

全文数据：

权利要求：

百度查询： 禾辰纵横信息技术有限公司 一种在线学习课程优化排序方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD