[发明专利]在线教育系统的个性化推荐方法、终端及存储介质

说明书

本发明公开了一种在线教育系统的个性化推荐方法、终端及存储介质，涉及智能推荐算法技术领域。本发明基于在线教育方面的通过提取用户行为日志存储到Hadoop上，利用Mahout技术，对用户行为数据进行分析计算并结合Hadoop的HDFS和MapReduce进行数据的处理，产生推荐结果，从而实现基于用户的个性化推荐。

技术领域

本发明涉及个性化推荐技术领域，尤其涉及在线教育系统的个性化推荐方法、终端及存储介质。

背景技术

自2015年“互联网+”概念的提出，“互联网+教育”已经成为教育行业的一种新型服务模式，在线教育作为“互联网+教育”下的产物之一，也导致了教育关系和教育制度的巨大变化。虽然目前在线教育打破了传统的固定课堂教育和“题海战术”模式，在线教育平台的种类也越来越多，但始终存在着一些问题。大部分在线教育平台只是教育机构谋取自身利益的一种手段，机构的做法生硬，对于在线学习的课程，用户喜欢就看，需要付费就付费，很少做到能和用户有效的沟通，为用户提供一套个性化的学习推荐方案，同时，教育资源在数量和规模上的爆炸式增长，使普通学习者在选取学习资源时可能面临选择的困难，而通过传统搜索引擎获取的资源通常结果庞杂、准确性较差，无法令学生满意。

推荐系统目前已经应用在多个互联网领域，其中包括社交、电子商务、音乐、视频、电影、新闻等多个领域。推荐系统在其他领域有着多种多样的个性化推荐，并且发展日益成熟，但是在教育领域大多数的推荐系统更多采用的是基于内容和基于关联规则的推荐，该推荐质量较差，使学生无法获得最佳的学习资源，在线教育方面个性化推荐的研究还是有些滞后。

目前国内的教育云平台建设只是使用了少量的云计算技术，云的规模也比较小，对云平台能够处理的大数据的特性也用之甚少，很多时候只是将教学资源简单的存储到云平台中实现信息的集中式管理，对信息的利用率比较低，针对云平台的个性化教育应用就更少。

国外的在线教育平台起步较早，发展成熟，课程数量多且质量高，有一定的优势，但是国内的教育国情与国外不同，国外用户更有主动性，也更清楚自己的兴趣点和天赋。国内很多用户并不知道自己喜欢什么或者很难用确切的语言来描述清楚，用户更需要系统对他们进行准确的行为分析来调动用户学习的积极主动性。

因此，亟需一种适合国内学习者情况的个性化在线教育推荐系统来满足学习者的需求，更好地体验“互联网+教育”的学习模式。

发明内容

本发明所要解决的技术问题是如何提供一种适合国内学习者情况的个性化在线教育推荐系统来满足学习者的需求，更贴合学习者的偏好，更好地体验“互联网+教育”的学习模式。

为了解决上述问题，本发明提出以下技术方案：

第一方面，本发明实施例提出一种在线教育系统的个性化推荐方法，包括以下步骤：

接收用户端上传的用户行为日志文件；

将所述用户行为日志文件转存到Hadoop平台上，并根据所述Hadoop平台的HDFS特性对用户行为日志文件进行分布式存储备份；

根据所述Hadoop平台的分布式计算框架对所述用户行为日志文件进行离线预处理，得到过滤后的数据；

通过Mahout提取过滤后的数据，利用所述Mahout对所述过滤后的数据进行计算，得到计算结果，将所述计算结果存储至数据库中作为推荐结果；

若接收到用户端请求推荐的触发信号，则从数据库中调取推荐结果发送给用户端。

其进一步地技术方案为，所述通过Mahout提取过滤后的数据，利用所述Mahout对所述过滤后的数据进行计算，得到计算结果，包括：