[发明专利]一种基于个性化推荐的在线学习系统和方法

说明书

本发明公开了一种基于个性化推荐的在线学习系统和方法：针对在线学习系统中学习资源的增加，学习资源过载，海量的学习资源给用户造成了很大困扰，用户往往需要花费大量的时间和精力去查找自己所需的学习资源的问题。设计开发基于个性化推荐的在线学习系统，通过粗粒度权重计算方法将根据融合深度学习的概率矩阵分解算法、基于用户的协同过滤推荐算法进行线性加权融合，得到最终的个性化推荐候选集。本系统不仅能够为用户提供随时随地学习的平台，还能够根据用户的兴趣特征推荐其感兴趣的学习资源，有效解决在线学习系统中的学习资源过载问题，提升用户的体验效果和学习效率。

技术领域

本发明属于发明涉及在线学习技术领域，具体涉及一种基于个性化推荐的在线学习系统和方法。

背景技术

随着互联网生活方式的普及与学习方式的革新，在线学习这个概念迅速火热起来。在线学习没有地域、时间等因素的限制，所有学习资源都是共享的，有效缓和了不同地区学习资源不平衡的情况。在线学习系统在给用户提供丰富的学习资源的同时也给用户带来了困扰。随着系统中学习资源的增加，学习资源过载问题逐渐显现出来。海量的学习资源给用户造成了很大困扰，用户往往需要花费大量的时间和精力去查找自己所需的学习资源。所以，如何使用户在海量的学习资源中能快速找到自己需要的资源，成为当前在线学习系统亟待解决的问题。因此，设计开发基于个性化推荐的在线学习系统，不仅能够为用户提供随时随地学习的平台，还能够根据用户的兴趣特征推荐其感兴趣的学习资源，有效解决在线学习系统中的学习资源过载问题，提升用户的体验效果和学习效率。

发明内容

本发明的目的是为克服已有技术的不足，提出一种基于个性化推荐的在线学习系统和方法。

本发明提供了一种基于个性化推荐的在线学习系统，其特征在于，包括视图模块、控制器模块和业务模块组成。视图模块为电脑和学习平板，负责处理用户的输入信息，以及向用户进行输出和展示，通过网络与控制器模块连接。控制器模块的作用是将视图模块与业务模块的数据结合起来，并进行信息处理。业务模块负责业务的处理、数据的修改、存储以及查询等操作。其中数据访问功能会将由控制器传递进来的数据，转化为数据可以识别的表达方式，实现数据库的访问。

应用所述一种基于个性化推荐的在线学习方法主要包括以下步骤：

步骤1，用户通过视图模块进行在线学习，控制器模块根据用户在业务模块中的历史数据融合深度学习的概率矩阵分解推荐模型计算用户对课程的喜爱度，获取推荐候选集；

步骤2，控制器模块根据基于用户的协同过滤推荐算法计算用户对课程的喜爱度，获取推荐候选集；

步骤3，控制器模块采用粗粒度权重计算方法获取步骤1、2得到的两种方法对应的线性加权权重；

步骤4，控制器模块根据对应权重将两种方法获得的推荐候选集进行线性加权融合，得到最终的个性化推荐候选集并存储在业务模块中，通过视图模块的电脑和学习平板显示给用户。

优选的，步骤1中的获取推荐候选集方式为：

将用户特征向量和课程特征向量作为输入，计算用户对课程的喜爱度，然后选取用户喜爱度最高的课程。根据选取的课程，获取该类别下所有课程的隐式特征向量，然后根据式计算用户对该类别下每门课程的喜爱度：

其中，u为用户特征向量，v为课程特征向量，u_n为用户n的特征向量，v_n为课程n的特征向量。

将计算所得的喜爱度进行降序排序，为每位用户选取喜爱度前30的课程作为其推荐候选集。

优选的，步骤2中的获取推荐候选集方式为：

将用户特征向量作为的输入，然后根据式计算用户特征向量间的余弦相似度：