[发明专利]一种学习同伴推荐系统及方法

说明书

本发明提出一种学习同伴推荐系统及方法，系统包括智能终端、服务器；所述智能终端用于在线学习交互，服务器中运行在线学习同伴发现系统，包括信息标注模块、学习交互与数据采集模块、知识状态和知识结构表征计算模块和相似度计算与学习同伴推荐模块。本发明适用于一般的在线学习平台，可以动态地表征学习者在线学习过程中的知识状态和知识结构，并据此获得在知识状态和知识结构两个维度上水平最为相似的学习同伴。

技术领域

本发明属于在线学习资源推荐领域，具体地说，是一种学习同伴推荐系统及方法，该系统利用采集的在线学习交互过程数据，动态表征学习者在线学习过程中的知识状态和知识结构，并据此获得在知识状态和知识结构两个维度上水平最为相似的学习同伴，应用于大规模在线课程学习。

背景技术

随着Web信息的爆炸式增长，从Web上快速获取真正有用且满足精准个性需求的信息变得越来越困难。一种可行的解决方式就是进行资源的个性化推荐，通过挖掘用户的个性需求，进而主动从海量的信息资源中寻找适切的资源服务，并以合适的方式呈现给用户。推荐系统通常将用户模型中兴趣需求信息和推荐对象模型中的特征信息进行匹配，同时借助相应的推荐算法进行计算筛选，找到用户可能感兴趣的推荐对象，然后呈现给用户(许海玲,吴潇,李晓东,阎保平.互联网推荐系统比较研究[J].软件学报,2009,02:350-362.)。

目前个性化资源推荐已在多个领域得到了较广泛的应用，包括电子商务网站、门户网站、专业服务资讯、图书情报网站、社交网站、在线学习系统等。在线学习系统领域，个性化推荐系统主要通过对学习者的学习风格、兴趣偏好、情感状态、认知状态等因素的识别和分析，为学习者找到符合其个性化需求的学习内容、呈现方式和学习路径。个性化推荐实质是一种信息过滤策略，其目的在于对用户可能感兴趣的项目进行预测和推送。随着互联网技术、普适计算等的不断发展，国内外研究者对个性化推荐技术的研究也越来越深入，根据实现算法和方式的不同，形成了包括基于内容的推荐(陈浩一.Web页面个性化推荐技术研究[D].大连:大连海事大学,2009.)、基于协同过滤的推荐(Herlocker,J.L.,Konstan,J.A.,Borchers,A.,Riedl,J.(1999,August).An algorithmic framework forperforming collaborative filtering.In Proceedings of the 22nd annualinternational ACM SIGIR conference on Research and development in informationretrieval(pp.230-237).ACM；苗静.基于扩展邻居与语义树的个性化推荐算法研究[D].大连:大连理工大学,2010；Bobadilla,J.E.S.U.S.,Serradilla,F.,Hernando,A.(2009).Collaborative filtering adapted to recommender systems of e-learning.Knowledge-Based Systems,22(4),261-265；Sarwar,B.,Karypis,G.,Konstan,J.,Riedl,J.(2001,April).Item-based collaborative filtering recommendationalgorithms.In Proceedings of the 10th international conference on World WideWeb(pp.285-295).ACM.)、基于关联规则的推荐、基于知识的推荐、基于效用的推荐(陈浩一.Web页面个性化推荐技术研究[D].大连:大连海事大学,2009.)、混合型推荐(Salehi,M.,Kamalabadi,I.N.(2013).Hybrid recommendation approach for learningmaterial based on sequential pattern of the accessed material and thelearner’s preference tree.Knowledge-Based Systems,48,57-69.)、基于本体的推荐(黄海江,杨贯中.基于本体的学习内容个性化推荐[J].科学技术与工程,2007,7(14):3394-3398；李言则.基于课程本体的学习内容个性化推荐的研究与应用[D].武汉:华中师范大学,2013；姜强,赵蔚,杜欣,梁明.基于用户模型的个性化本体学习资源推荐研究[J].中国电化教育,2010,(05):106-111.)等七种个性化推荐核心技术。