[发明专利]一种基于学科学习发展的识别推荐系统

权利要求书

1.一种基于学科学习发展的识别推荐系统，包括数据库(1)，其特征在于：所述数据库(1)的输入端与数据收集模块(2)的输出端电连接，所述数据库(1)的输出端与评价模块(3)的输入端电连接，所述评价模块(3)的输出端分别与数据库(1)的输入端和分类计算模块(4)的输入端电连接，所述分类计算模块(4)的输出端与数据库(1)的输入端电连接，所述数据库(1)的输出端分别与对比模块(5)的输入端和推送模块(6)的输入端电连接。

2.根据权利要求1所述的一种基于学科学习发展的识别推荐系统，其特征在于：所述数据收集模块(2)是对实验人员的数据进行收集的模块，具体收集指标包括：相关数据购买记录的收集、相关数据查阅记录的收集、相关兴趣数据统计和收集、追星数据统计和收集、学科分数统计和收集，在对上述数据收集完毕后统一传输至数据库(1)内。

3.根据权利要求1所述的一种基于学科学习发展的识别推荐系统，其特征在于：所述评价模块(3)是根据实验人员单一学科分数以及查阅单一学科资料的频率进行对比得出的评价指标，具体包括：

第一指标：当单一学科分数低于总学科平均值时，查阅此学科可分为常规学习；

第二指标：当单一学科分数高于总学科平均值时，查阅此学科可分为兴趣学习；

第三指标：当单一学科分数低于总学科平均值时，且并未查阅此学科可分为偏科学习；

第四指标：当单一学科分数高于总学科平均值时，且并未查阅此学科可分为天赋学习；

其中，上述两种并无查阅记录的学科需通过分类计算模块(4)计算出此学科的判定是准确。

4.根据权利要求1所述的一种基于学科学习发展的识别推荐系统，其特征在于：所述分类计算模块(4)包括以下算法：

将学科分为学科A、学科B、学科C、学科D、学科E、学科F，对不同实验人员的兴趣学科以及厌恶学科进行分析对比，通过已有数据对指标不明确的数据进行分析，对兴趣程度由兴趣学科至厌恶学科进行分级，具体分为一级、二级、三级、四级和五级指标，具体计算方式包括：

其中，P为当前学科评测分级的概率，X为其他实验人员对当前学科的评价；

其中，d为每个X的属性的个数；

由于P(X)为常量，在计算时根据每个评估值得出P(Y)：P(学科F＝1)＝2/4，P(学科F＝2)＝1/4，依次类推，从而得到PD的概率；

P(Xi的学科F＝1)＝P(学科A＝1丨学科F＝1)*P(学科B＝3丨学科F＝1)*P(学科C＝3丨学科F＝1)*P(学科D＝2丨学科F＝1)*P(学科E＝4丨学科F＝1)

＝1/2*3/2*2/2*2/2*1/2

＝0.375

P(Xi的学科F＝5)＝P(学科A＝1丨学科F＝5)*P(学科B＝3丨学科F＝5)*P(学科C＝3丨学科F＝5)*P(学科D＝2丨学科F＝5)*P(学科E＝4丨学科F＝5)

＝1/0*3/0*...

＝0

基于上述的计算方法，当当前学科评分为F＝1的概率高于其余算法结论的概率时，本次实验人员的对当前学科的评分为1的概率大于其他概率，因此得出结论。

5.根据权利要求1所述的一种基于学科学习发展的识别推荐系统，其特征在于：所述对比模块(5)是收集相同兴趣学科实验人员数据，对比相同兴趣学科实验人员的厌恶学科，当得出存在不同厌恶学科的人员时，可采用相互推荐的方式，得出相同兴趣学科下，不同厌恶学科的实验人员的图书购买以及查阅记录；

所述推送模块(6)是将相同兴趣学科下不同厌恶学科购买及查阅记录进行推送，且可以统计实验人员网络中相关明星或学者的信息，统计相关明星或学者与实验人员厌恶学科之间的关联性，得出积极结论进行推送。