[发明专利]一种基于应用数据构建推荐系统的方法

说明书

发明涉及推荐系统技术领域，尤其为一种基于应用数据构建推荐系统的方法，包括用户特征模型、题目特征模型、题目推荐引擎、结构化数据源和模型策略，所述题目推荐引擎由业务应用层、推荐系统层、核心数据层、离线计算层、推荐系统后台和调度/协调服务器组成，通过将数据分层处理，针对不同的教学进度及学生学情，根据学生学情、学习进度及学习偏好推荐合适的练习题目，提高学生学习效率。根据教学进度、学生学情及教师偏好，为教师组卷推荐合适的题目，提高试卷的信度及效度。

技术领域

本发明涉及推荐系统技术领域，具体为一种基于应用数据构建推荐系统的方法。

背景技术

在海量题库中选择合适的题目显得尤为困难。，因此，对一种基于应用数据构建推荐系统的方法的需求日益增长。

目前市场上存在的海量题库中选择合适的题目显得尤为困难，难以分辨不同的教学进度及学生学情，如何向不同学情、学习进度及学习偏好的学生推荐合适的练习题目，提高学生学习效率成为用户体验的关键。另外如何根据教学进度、学生学情及教师偏好，为教师组卷推荐合适的题目，提高试卷的信度及效度也是值得关注的问题，因此，针对上述问题提出一种基于应用数据构建推荐系统的方法。

发明内容

本发明的目的在于提供一种基于应用数据构建推荐系统的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于应用数据构建推荐系统的方法，包括用户特征模型、题目特征模型、题目推荐引擎、结构化数据源和模型策略，所述题目推荐引擎由业务应用层、推荐系统层、核心数据层、离线计算层、推荐系统后台和调度/协调服务器组成。

优选的，所述业务应用层包括题目、组卷中心和考试/练习，所述推荐系统层由排序算法、过滤算法、AB分流算法、和日志收集算法构成，所述核心数据层包括类目相关性数据、题目相关性数据、题目标签数据、优质题库数据、教师偏好数据、学生偏好数据、学生学情数据和日志收集数据，所述离线计算层包括应用数据和基础数据，所述应用数据由用户画像、学生学情、相似矩阵和优质题库，所述基础数据由教师基础数据、学生基础数据、题目基础数据和日志基础数据组成，所述推荐系统后台由场景配置模块、AB配置模块、报表展示模块和数据维护模块组成，所述推荐系统后台中的场景配置模块和AB配置模块针对推荐系统层相关策略做配置，所述推荐系统后台中的报表展示模块和数据维护模块针对推荐系统层和核心数据数据层相关数据做展示和维护，所述推荐系统层、核心数据数据层和离线计算层均通过不同服务器部署，由调度/协调服务器去统一分配资源，所述核心数据层从离线计算层拉取数据，所述推荐系统层通过智能路由算法调用核心数据层，所述业务应用层通过json服务调用推荐系统层。

优选的，所述用户特征模型由常用设备特征、人口统计学特征、访问时间特征、访问频次特征、关注题目特征和其他行为特征组成，常用设备特征能够分辨用户设备是PC、Phone还是Pad，人口统计学特征用于判断用户性别、年龄段，访问时间特征即上次登录时间、一天访问时间的分布，访问频次特征包含一天访问次数、一周访问次数、一周点击推荐次数等信息，关注题目特征包括关注题目的热度和关注题目的类型，其他行为特征包括搜索记录和收藏内容。

优选的，所述题目特征模型由题目内容特征、题目标签、题目所属聚类、题目流行度、时效性、题目社会特征和题目价值评价构成。

优选的，所述模型策略包括Association Rules、Classify、Cluster、Dimensionreducation和Time series analysis组成，所述Association Rules用于判断用户设备是PC、Phone或Pad，所述Classify用于预测用户性别、年龄段，所述Cluster用于题目聚类、用户分群，所述Dimension reducation用于计算相似用户，所述Time series analysis用于计算用户兴趣模型转移。