[发明专利]一种基于在线学习课程的智能化搜索推荐方法及系统

权利要求书

1.一种基于在线学习课程的智能化搜索推荐方法及系统，其特征在于：包括以下步骤：

1)、为课程打标签，建立课程标签集合

创建与上传课程视频时输入课程关键信息，包括课程章节，课程子课时，课时名称，章节目录名称，课程名称和课程简介；根据课程关键信息为课程打上标签，得到课程标签向量；

2)、分析日志，并根据关键词统计频次构建学员画像

通过kafka消息中间件传输关键行为操作日志，并利用关键行为操作日志分析服务对学员行为进行分析；采用spark JavaSDK编写分析程序，对日志进行数据清洗和分析，计算关键词频次，计算课程浏览和学习人数，构建学员需求画像，建立学员标签集合；

3)、智能推荐

通过学员标签集合计算每个标签与当前学员的相关性，通过学员标签集合与课程标签集合向量空间计算出每个课程对于当前学员的推荐值C，并将资源库中的课程按照推荐值C从大到小降序排列，将推荐值C最高的课程集合返回给web端；

4)、智能检索

根据学员输入的检索关键词进行分词、同义词转义处理，扩展关键词集合，分词词库和同义词词库支持自定义词库；

利用关键词集合和课程标签集合构造矩阵计算每个课程的相似值；根据权重配比计算相似课程的权值，并按照权值大小降序排列相似课程，返回检索结果集合。

2.根据权利要求1所述的基于在线学习课程的智能化搜索推荐方法及系统，其特征在于：为了保证课程标签的强关联性和可靠性，所述步骤1)中，包括自动打标签和手动打标签两种标签方式；

所述自动打标签是指当课程上传或修改时，通过IK分词器对课程关键信息字段进行分词，并将生成的分词结果集与标签词库进行匹配，标签词库自动化为课程打上标签，得到课程标签向量；

所述标签词库支持自定义扩展和更新，课程标签向量cTags＝{s1，s2，s3，…，sn}。

3.根据权利要求3所述的基于在线学习课程的智能化搜索推荐方法及系统，其特征在于：所述步骤2)中，通过大数据计算引擎spark对学员操作日志进行分析，具体实现流程如下：

S1.学员在操作网站的过程中将操作日志通过kafka消息中间件实时发送至分析服务；

S2.分析服务进行日志数据清洗，去掉无用日志，挖掘具有特征性的操作日志；

S3.通过大数据计算引擎spark统计用户的浏览行为的关键操作，包括访问、浏览、搜索和点击，提炼出有效关键词，并进行词频计算，然后根据学员id进行合并，构建学员关键词画像；

学员关键词画像：SF＝[{tag，frequency，latestTime}]；

S4.通过日志分析挖掘课程实时浏览量数据，并按照实时浏览数据设置课程权重，实时浏览数据越高，课程权重越高；

课程库存储结构为：识别码UUID，学员id，时间戳，课程id；

所述词频统计公式如下：

其中，w指单个词语，c指某个课程(cource)，WF(w，c)表示课程c中出现词w的频次，DF(w)表示包含词w的课程总数；

WF-IDF(w，c)用以评估词w对课程c的重要程度，WF表示词w在所有课程中出现的次数占课程总词数的比率，IDF(w，c)为逆文档频率，IDF(w，c)＝lg(总课程数/出现词w的课程数)。

4.根据权利要求1所述的基于在线学习课程的智能化搜索推荐方法及系统，其特征在于：所述步骤3)中，定义课程标签属性{s1，s2，s3，…，sn}，如果当前课程c具有标签属性si，则令si＝1，若不具备属性si，则令si＝0，课程C的推荐值为：

其中，si表示课程资源标签，pi为课程标签si的权重，是步骤2)中构建学员画像SF所得：