[发明专利]一种基于HMM模型的项目化资源推荐方法

权利要求书

1.一种基于HMM模型的项目化资源推荐方法，其特征在于利用隐马尔可夫模型（HiddenMarkov Model，HMM）搭建职业院校资源的深度推荐模型，该模型通过收集与项目有关的先验知识搭建概率模型，学生可以通过该模型方便的了解项目相关知识体系，方便学生对项目的自学以及对问题解答，提高学生对网络资源的利用率。

2.根据权利要求1所述的一种基于HMM模型的项目化资源推荐方法，其特征在于可按如下步骤实施：

(1)收集项目所涉及不同资源之间的知识脉络，构成初始的先验知识；

(2)根据先验知识搭建HMM模型；

(3)根据学生或者教师访问的当前资源，利用HMM模型将推荐的资源提供给用户便于访问；

(4)根据教师、学生对资源浏览的历史信息，利用反馈模型对HMM模型的参数进行修正。

3.根据权利要求2所述的步骤(1)其特征在于，主要包含获取项目包含资源之间的脉络结构，该步骤在教师上传资源的过程中完成;教师在上传资源时，系统会根据资源所属课程名称，自动检索出与资源相关的项目信息，教师必须同时填写当前待传资源与检索项目的关联度，才能最终成功上传资源。

4.根据权利要求2所述的步骤(2)其特征在于，主要包含HMM模型的搭建,通过相关的研究工作，本发明使用隐马尔科夫模型（HMM）对项目化资源深度推荐系统进行建模;这个模型包含两组状态集合，分别为：隐藏状态和观察状态，以及三组概率集合，分别为：pi向量、状态转移矩阵、混淆矩阵。

5.根据权利要求4述的隐藏状态，其特征在于系统提供的不同资源，可以由一个马尔科夫过程进行描述。

6.根据权利要求4述的观察状态，其特征在于对于学生可见或者可以通过相关搜索看到的各种项目。

7.根据权利要求4述的pi向量，其特征在于在系统运行之初通过调研所收集的先验知识导出的初始概率。

8.根据权利要求4述的状态转移矩阵，其特征在于用来描述不同资源之间的相互使用概率分布，本发明设计的状态转移矩阵如上述公式所示，a_ij表示用户在浏览资源R_i时访问资源R_j的概率；

根据权利要求4述的混淆矩阵，其特征在于用来描述项目与资源之间相互使用的概率分布

本发明设计的混淆矩阵上述公式所示，b_ij表示项目P_i中使用到资源R_i的概率，本发明所定义的隐含状态与观察状态之间的关系如图2所示。

9.根据权利要求2所述的步骤(3)其特征在于，主要包括通过用户浏览的资源，计算出相关资源的推荐指数，本发明采用维特比（Viterbi）算法，维特比算法提供了一种有效的计算方法来分析隐马尔科夫模型的观察序列，并捕获最可能的隐藏状态序列；它利用递归减少计算量，并使用整个序列的上下文来做判断。

10.根据权利要求2所述的步骤(4)其特征在于，主要包括反馈模型的搭建。