[发明专利]一种基于HMM模型的项目化资源推荐方法

说明书

本发明涉及一种基于HMM模型的项目化资源推荐方法，针对高职学生的特点以及项目化教学过程中使用网络资源存在的突出问题，在资源的深度推荐算法中引入HMM模型，并搭建一个服务学生的网络资源深度推荐系统。首先，对HMM模型核心模块：转移矩阵、混淆矩阵进行设计，研究挖掘资源深度推荐策略中HMM模型的表现能力。其次，加入基于主动学习的反馈过程实现对HMM模型转移矩阵、混淆矩阵动态修正。本发明不仅能够提高职业学院学生对网络资源的利用率，而且对培养自学能力，网络应用能力提高专业技能水平具有重大意义。

技术领域

本发明属于教学共享资源推荐领域，涉及一种基于HMM模型的项目化资源推荐方法，特别涉及一种适用于高职学生项目化资源推荐方法，将HMM模型应用到资源共享管理平台的推荐策略中。

背景技术

相比于本科及以上学历的学生，高职学生网络资源检索的能力 以及资源的利用能力相对都比较低，在资源爆炸式的互联网时代，很多学生很难找到自己需要的资源。 其主要原因由于目前学生搜索网络资源的主要方式是通过“关键字”利用相关网站提供的搜索引擎区查询资源。“关键字”是否准确对资源的查询至关重要，这对于高职学生而言将自己的需求概括为一些非常准确“关键字”往往还比较困难。搜索引擎将与关键字相关的大量资源都展现给学生，学生还需要花费大量的时间去筛选。本发明将根据关键字的相关度查询到的各类资源称为“相关资源”，对应的资源推荐方式定义为“相关推荐”。

随着职业院校以及很多本科院校的课程改革，基于项目化的教学方式逐渐被重视起来，要完成一个项目通常涉及到多个知识点、多门课程甚至多门学科。项目以及所涉及到得相关知识对于教师而言比较熟悉，但是对于学生尤其一些自学的学生而言就显得非常陌生，他们在遇到问题搜索资源时往往会出现不知道该输入什么“关键字”的尴尬境地。解决该问题的一个可行方法就是教师应该给学生提供一些与项目相关的先验知识，通过这些先验知识系统自动去查询“相关资源。本发明将这种需要专家先验知识然后进行检索的资源定义为“深度资源”，对应的资源推荐方式定义为“深度推荐”。对于学生而言，为了更方便的利用网络资源进行课程学习以及问题解答，设计开发一个能够给学生提供“深度推荐”的网络资源共享平台具有十分重要的意义。

发明内容

本发明主要解决目前学生在利用网络资源过程中存在的问题，尤其针对高职学生的特点以及项目化教学过程中资源的“深度推荐”问题，首次在资源的推荐算法中引入HMM模型，并搭建一个服务学生的网络资源深度推荐系统。

本发明不仅能够提高职业学院学生对网络资源的利用率，而且对培养自学能力，网络应用能力提高专业技能水平具有重大意义。

本发明利用隐马尔可夫模型（Hidden Markov 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。

本发明的内容主要包括：

（1）HMM模型的搭建

通过深入分析资源深度推荐的过程 ，将问题转换为HMM模型。挖掘出模型观察状态 、隐含状态，并构建模型所需要的初始状态概率、状态转移矩阵、混淆矩阵。以及通过搭建的HMM模型计算针对给定的项目序列不同资源的推荐指数。重点完成转移矩阵、混淆矩阵的设计。

（2）反馈模型的搭建