CN103440243A

CN103440243A - 一种教学资源推荐方法及其装置

Info

Publication number: CN103440243A
Application number: CN2013102864579A
Authority: CN
Inventors: 樊立斌; 张红彬
Original assignee: Shenzhen Honghe Innovation Information Technology Co Ltd
Current assignee: Hitevision Polytron Technologies Inc
Priority date: 2013-07-09
Filing date: 2013-07-09
Publication date: 2013-12-11
Anticipated expiration: 2033-07-09
Also published as: CN103440243B

Abstract

本发明公开了一种教学资源推荐方法及其装置，包括以下步骤：获取用户终端的教学活动；从教学资源中获取与所述的教学活动相匹配的资源，然后生成推荐信息；向用户终端发送所述推荐信息。从而本发明能够使用户终端减少资源搜索时间，提高教学资源的利用率。

Description

一种教学资源推荐方法及其装置

技术领域

本发明实施例涉及互联网技术领域，特别是指一种教学资源推荐方法及其装置。

背景技术

在教学资源网中，教师可以通过关键词、目录（课标、教材、年级、媒体类型、主题）或两者的组合等多种方式检索资源。但是，在面对如此浩瀚的“资源海洋”时，用户很难在短时间内找到真正需要的教学资源。因此，往往会造成“信息迷航”与“信息过载”。一方面造成了教学资源的使用率不高，另一方面也给用户应用教学资源进行信息化教学带来了的困难。

发明内容

本发明实施例提出了一种教学资源推荐方法及其装置，能够使用户终端减少资源搜索时间，提高教学资源的利用率。

本发明实施例提供的一种教学资源推荐方法，包括以下步骤：

获取用户终端的教学活动；

从教学资源中获取与所述的教学活动相匹配的资源，然后生成推荐信息；

向用户终端发送所述推荐信息。

可选地，在所述的教学资源推荐方法执行之前，接收至少一个用户终端上传的教学数据，并且将接收的教学数据整合到所述的教学资源中。

进一步地，所述的教学资源为具有多维度属性的教学资源。

进一步地，所述教学资源推荐方法中的将接收的教学数据进行多维度属性的整合处理，得到具有多维度属性的教学资源的步骤包括：

接收教学数据，并对所述教学数据进行抽取；

选择建模算法，并根据抽取后的教学数据建立多维教学数据模型；

所述的多维教学数据模型作为具有多维度属性的教学资源。

进一步地，所述多维教学数据模型包括三种维度的数据：教学数据的类型维度、教学数据的内容范畴维度以及用户终端对教学数据的评判维度。

进一步地，所述教学资源推荐方法中的从教学资源中获取与所述的教学活动相匹配的资源，然后生成推荐信息的步骤包括：

对所述的教学活动进行活动数据的抽取；

对所述抽取的活动数据进行预处理；

选择建模算法，并根据预处理后的活动数据建立教学活动数据模型；

在所述的教学资源中获取与所述的教学活动数据模型相匹配的数据，然后生成推荐信息。

进一步地，所述教学资源推荐方法在生成推荐信息的步骤之后，还可以将所述的教学活动，以及所述生成的推荐信息存储起来。

进一步地，在存储所述的教学活动，以及所述生成的推荐信息的同时，对存储的所有教学活动进行相似度的分类成组；

然后将每个组中的推荐信息，分别发送给该组中各个教学活动所对应的用户终端。

基于上述目的，本发明还提供了一种教学资源推荐装置，包括：

教学活动单元，用于接收并存储用户终端的教学活动；

教学资源单元，用于存储教学资源数据；

智能推荐引擎，用于从教学资源单元中获取与所述的教学活动单元中的教学活动相匹配的资源，生成推荐信息并发送给用户终端。

可选地，所述的教学资源单元接收至少一个用户终端上传的教学数据，并且将接收的教学数据进行整合处理。

进一步地，所述的教学资源单元为具有多维度属性的教学资源。

进一步地，所述的教学资源单元包括接收模块、教学数据抽取模块和建模模块，其中：

所述的接收模块，用于接收至少一个用户终端上传的教学数据；

所述的教学数据抽取模块，用于从所述的接收模块抽取教学数据；

所述的建模模块，用于选择建模算法，并根据抽取后的教学数据建立多维教学数据模型。

可选地，所述的智能推荐引擎包括教学活动数据抽取模块、建模模块、匹配模块和输出模块；其中：

所述的教学活动数据抽取模块，用于从所述教学活动单元中抽取活动数据，并进行预处理；

所述的建模模块，用于选择建模算法，并根据预处理后的活动数据建立教学活动数据模型；

所述的匹配模块，用于在所述教学资源单元中获取与所述的教学活动数据模型相匹配的数据，生成推荐信息；

所述的输出模块，用于将生成的推荐信息发送给用户终端。

进一步地，所述的智能推荐引擎还包括成组匹配模块，与所述的匹配模块相连；

所述的成组匹配模块接收并存储所述教学活动数据模型，以及该教学活动数据模型与所述教学资源单元中的数据匹配后得到的推荐信息。

进一步地，所述的成组匹配模块将对存储的所有教学活动进行相似度的分类成组，并且将每个组中的推荐信息，分别发送给该组中各个教学活动所对应的用户终端。

从上面所述可以看出，本发明实施例提供的一种教学资源推荐方法及其装置，通过从教学资源中获取与所述的教学活动相匹配的资源，生成推荐信息发送给用户终端。从而，能够为用户终端提供精准度很高的推荐信息，大大简化了用户终端对教学资源的搜索处理工作。

附图说明

图1为本发明实施例一种教学资源推荐方法的流程示意图；

图2为本发明实施例一种推荐信息生成方法的流程示意图；

图3为本发明实施例一种教学资源推荐装置的结构示意图；

图4为本发明实施例多维度属性的教学资源单元的结构示意图；

图5为本发明实施例一种智能推荐引擎的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

参阅图1所示，为本发明实施例一种教学资源推荐方法的流程示意图，包括：

步骤101，获取用户终端的教学活动。

步骤102，从教学资源中获取与所述的教学活动相匹配的资源，然后生成推荐信息。

在本发明的一个实施例中，在进行教学资源推荐方法之前，对至少一个用户终端上传的教学数据进行接收，并且将接收的教学数据整合到所述的教学资源中。较佳地，所述的教学数据源为具有多维度属性的教学资源。其中，多维度属性的教学资源可以是通过如下方法得到：

第一步：接收教学数据，并对所述教学数据进行抽取、预处理。

其中，可以通过规则引擎设置的数据抽取规则来对接收的教学数据进行抽取，规则引擎是一种嵌入在应用程序中的组件，它的工作任务是将当前提交给规则引擎的教学数据与加载在规则引擎中的所有业务规则进行测试和比对，找到符合当前数据状态下的业务规则并激活，然后根据激活的业务规则的执行逻辑，触发对应的操作。

另外，可以对经过抽取的教学数据进行预处理，例如可以将超过一定范围的数据进行删除的异常值处理；将抽取的数据的格式转换为建模的规范格式的数据转换等等的预处理工作。

第二步：选择建模算法，并根据抽取后的教学数据建立多维教学数据模型。

其中，选择的建模算法可以采用决策树算法、聚类分析算法等等。作为一个实施例，建立的多维教学数据模型可以包括三种维度的数据：一种维度是教学数据的类型，包括文本、图像、动画、课件、视频、音频等，用户终端在不同的应用场景会应用到不同的类型。一种维度是教学数据的内容范畴，包括所属学科、年级、知识点、难易度、关键词等。该维度与用户终端需要的信息有很强的关联性，例如教师针对具体某个科目、某个年级以及具体的一个知识点制作课件。一种维度是用户终端对教学数据的评判，包括评分、评价、下载率、采用率等，该维度可以保证本发明实施例最后推送的信息是综合评判较高的教学资源。

第三步：所述的多维教学数据模型作为具有多维度属性的教学资源。

在本发明的另一个实施例中，如图2所示，教学资源推荐方法在生成推荐信息时，采用了如下方法：

步骤201，对所述的教学活动进行活动数据的抽取。

步骤202，对所述抽取的活动数据进行预处理。

步骤203，选择建模算法，并根据预处理后的活动数据建立教学活动数据模型。其中，建模算法可以采用决策树算法、聚类分析算法等等，然后根据选择的建模算法以及步骤202中预处理后的活动数据，建立教学活动数据模型。

步骤204，在所述多维教学数据模型中获取与所述的教学活动数据模型相匹配的数据。其中，所述的多维教学数据模型可以通过步骤102中的方法得到。

步骤205，生成推荐信息。

步骤103，向用户终端发送所述推荐信息。

还需要说明的是，在本发明的另一个实施例中，教学资源推荐方法在进行步骤204之后，可以将教学活动数据模型以及该教学活动数据模型与多维教学数据模型匹配后得到的推荐信息存储，并对存储的所有教学活动数据模型进行相似度的分类成组。然后，将每个组中各个教学活动数据模型的所有推荐信息，发送给该组中各个教学活动数据模型所对应的用户终端。

参阅图3所示，为本发明实施例一种教学资源推荐装置的结构示意图。教学资源推荐装置包括：教学活动单元301、教学资源单元302以及智能推荐引擎303；其中，

教学活动单元301，与智能推荐引擎303相连，能够接收用户终端的教学活动，并且可以进行存储。

教学资源单元302，与智能推荐引擎303相连，存储有教学资源数据。

教学资源单元302接收来自于至少一个用户终端上传的教学数据，并且可以对接收的教学数据进行整合处理。

在本发明的一个实施例中，如图4所示，教学资源单元302包括接收模块401、教学数据抽取模块402和建模模块403。其中，接收模块401接收至少一个用户终端上传的教学数据。教学数据抽取模块402可以通过规则引擎设置的数据抽取规则来对接收模块401中的教学数据进行抽取，规则引擎是一种嵌入在应用程序中的组件，它的工作任务是将当前提交给规则引擎的教学数据与加载在规则引擎中的所有业务规则进行测试和比对，找到符合当前数据状态下的业务规则并激活，然后根据激活的业务规则的执行逻辑，触发对应的操作。例如；以教师制作课件为目的的进行数据的抽取。另外，教学数据抽取模块402还可以对抽取的教学数据进行预处理。建模模块403选择建模算法，可以采用决策树算法、聚类分析算法等等，然后根据教学数据抽取模块402抽取的数据建立多维教学数据模型的。

较佳地，多维教学数据模型可以包括三种维度的数据，即教学数据的类型维度、教学数据的内容范畴维度以及用户终端对教学数据的评判维度。其中，教学数据的类型维度包括文本、图像、动画、课件、视频、音频等，用户终端在不同的应用场景会应用到不同的类型。教学数据的内容范畴维度包括所属学科、年级、知识点、难易度、关键词等。该维度与用户终端需要的信息有很强的关联性，例如教师针对具体某个科目、某个年级以及具体的一个知识点制作课件。用户终端对教学数据的评判维度包括评分、评价、下载率、采用率等，该维度可以保证本发明实施例最后推送的信息是综合评判较高的教学资源。

智能推荐引擎303，能够从多维度属性的教学资源单元302中获取与教学活动单元301中的教学活动相匹配的资源，然后生成推荐信息，最后发送给用户终端。

作为本发明的一个实施例，如图5所示，智能推荐引擎303包括教学活动数据抽取模块501、建模模块502、匹配模块503和输出模块504。其中，数据抽取模块501从教学活动单元301中通过规则引擎设置的数据抽取规则抽取活动数据。另外，数据抽取模块501还可以对经过抽取得到的教学数据进行预处理。建模模块502选择建模算法，然后根据预处理后的活动数据建立教学活动数据模型。匹配模块503从多维教学数据模型中获取与教学活动数据模型相匹配的数据，生成推荐信息。输出模块504将匹配模块503生成的推荐信息发送给用户终端。

例如，教师在制作课件过程中的行为表现为：1、教师喜欢使用的课件风格，2、教师教学的科目和年级，3、教师关注的知识点，4、教师经常下载的资料类型。根据教师在制作课件过程中的这些兴趣活动建立教学活动数据模型，然后从已建立好的多维教学数据模型中获取与该教学活动数据模型相匹配的教学资源，生成推荐信息。

还需要说明的是，在本发明的另一个实施例中，智能推荐引擎303还包括成组匹配模块505，与匹配模块503相连，可以接收并存储教学活动数据模型，以及该教学活动数据模型与多维教学数据模型匹配后得到的推荐信息。成组匹配模块505对存储的所有教学活动数据模型进行相似度的分类成组，然后将每个组中各个教学活动数据模型的所有推荐信息通过输出模块504发送给该组中各个教学活动数据模型所对应的用户终端。从而，能够为每个用户终端发现潜在的新的感兴趣的教学资源，扩大了智能推荐引擎推荐的信息。

由此可以看出，本发明实现的教学资源推荐方法及其装置，创造性的提出了对教学资源数据进行整合处理建立一个多维教学数据模型，以及对用户终端的教学活动进行处理建立教学活动模型，最终从多维教学数据模型中获取与教学活动数据模型相匹配的教学资源数据，生成推荐信息并推送给用户终端；用户终端对推送的信息在精确度和满意度方面都得到了大幅度地提升；并且，针对教学资源在实际应用中所具有的特点，将教学资源数据分成多种维度，可以从各个维度对数据进行筛选；与此同时，本发明还可以将具有相似度的教学活动模型的用户终端组成相同兴趣的小组，从而通过小组中的其他用户终端的教学活动模型获取为该用户终端提供潜在的教学资源信息，提高了本发明对各个用户终端的增值服务；最后，整个所述的教学资源推荐方法及其装置简便、紧凑，易于实现，而且为用户终端提供了一种最为方便、实用的体验。

应当注意的是，在本发明的控制器的各个部件中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本发明不受限于此，可以根据需要对各个部件进行重新划分或者组合，例如，可以将一些部件组合为单个部件，或者可以将一些部件进一步分解为更多的子部件。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例的控制器中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求书中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims

1.一种教学资源推荐方法，其特征在于，包括：

获取用户终端的教学活动；

向用户终端发送所述推荐信息。

2.根据权利要求1所述的推荐方法，其特征在于，在所述的教学资源推荐方法执行之前，接收至少一个用户终端上传的教学数据，并且将接收的教学数据整合到所述的教学资源中。

3.根据权利要求1或2所述的推荐方法，其特征在于，所述的教学资源为具有多维度属性的教学资源。

4.根据权利要求3所述的推荐方法，其特征在于，所述教学资源推荐方法中的将接收的教学数据进行多维度属性的整合处理，得到具有多维度属性的教学资源的步骤包括：

接收教学数据，并对所述教学数据进行抽取；

所述的多维教学数据模型作为具有多维度属性的教学资源。

5.根据权利要求4所述的推荐方法，其特征在于，所述多维教学数据模型包括三种维度的数据：教学数据的类型维度、教学数据的内容范畴维度以及用户终端对教学数据的评判维度。

6.根据权利要求2所述的推荐方法，其特征在于，所述教学资源推荐方法中的从教学资源中获取与所述的教学活动相匹配的资源，然后生成推荐信息的步骤包括：

对所述的教学活动进行活动数据的抽取；

对所述抽取的活动数据进行预处理；

7.根据权利要求1至6任意一项所述的推荐方法，其特征在于，所述教学资源推荐方法在生成推荐信息的步骤之后，还可以将所述的教学活动，以及所述生成的推荐信息存储起来。

8.根据权利要求7所述的推荐方法，其特征在于，在存储所述的教学活动，以及所述生成的推荐信息的同时，对存储的所有教学活动进行相似度的分类成组；

9.一种教学资源推荐装置，其特征在于，包括：

教学活动单元，用于接收并存储用户终端的教学活动；

教学资源单元，用于存储教学资源数据；

10.根据权利要求9所述的推荐装置，其特征在于，所述的教学资源单元接收至少一个用户终端上传的教学数据，并且将接收的教学数据进行整合处理。

11.根据权利要求9或10所述的推荐装置，其特征在于，所述的教学资源单元为具有多维度属性的教学资源。

12.根据权利要求11所述的推荐装置，其特征在于，所述的教学资源单元包括接收模块、教学数据抽取模块和建模模块，其中：

13.根据权利要求12所述的推荐装置，其特征在于，所述多维教学数据模型包括三种维度的数据：教学数据的类型维度、教学数据的内容范畴维度以及用户终端对教学数据的评判维度。

14.根据权利要求9所述的推荐装置，其特征在于，所述的智能推荐引擎包括教学活动数据抽取模块、建模模块、匹配模块和输出模块；其中：

所述的输出模块，用于将生成的推荐信息发送给用户终端。

15.根据权利要求14所述的推荐装置，其特征在于，所述的智能推荐引擎还包括成组匹配模块，与所述的匹配模块相连；

16.根据权利要求15所述的推荐装置，其特征在于，所述的成组匹配模块将对存储的所有教学活动进行相似度的分类成组，并且将每个组中的推荐信息，分别发送给该组中各个教学活动所对应的用户终端。