CN108600337A - 一种最佳学习内容自动推送方法 - Google Patents
一种最佳学习内容自动推送方法 Download PDFInfo
- Publication number
- CN108600337A CN108600337A CN201810290377.3A CN201810290377A CN108600337A CN 108600337 A CN108600337 A CN 108600337A CN 201810290377 A CN201810290377 A CN 201810290377A CN 108600337 A CN108600337 A CN 108600337A
- Authority
- CN
- China
- Prior art keywords
- label
- learning content
- automatic push
- student
- push method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000035699 permeability Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 5
- 230000003014 reinforcing effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000009940 knitting Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及一种最佳学习内容自动推送方法,包括以下步骤:步骤1、点选主题;步骤2、录入标签;步骤3、***根据标签匹配适合的学习内容。与现有技术相比,本发明具有精准地给学生推荐适合自己的学习内容等优点。
Description
技术领域
本发明涉及学习内容自动推送领域,尤其是涉及一种最佳学习内容自动推送方法。
背景技术
目前在市场上没有一个产品是可以针对每一个学生推荐不同的学习内容的,大多都是针对某种类型,或者老师人工推荐的方式给学生推荐学习内容等。
目前,国内外面向学生的自动推荐技术研究尚不深入,尤其是在探索基于主观性特征及其结合查询意图特征的评论价值自动评估,以及最佳学习内容的自动识别、匹配、组织与推荐方面的研究尚属空白。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种最佳学习内容自动推送方法。
本发明的目的可以通过以下技术方案来实现:
一种最佳学习内容自动推送方法,包括以下步骤:
步骤1、点选主题;
步骤2、录入标签;
步骤3、***根据标签匹配适合的学习内容。
优选的,所述的录入标签包括两种形式:输入文字和选择问题,所述的输入文字为学生自主录入若干个标签,所述的选择问题为若学生不选择合适的标签时,***提供一些问题让学生回答,以促成标签。
优选的,所述的标签分为已用和未用两类,所述的已用标签为已作为某篇作文的标签出现过,反之则为未用标签。
优选的,所述的步骤3包括:当学生输入的标签为未用标签时,以该标签的一级标签为匹配项,该标签变更为已用标签,当学生输入的标签为已用标签时,***根据该标签匹配适合的学习内容。
优选的,所述的步骤3中,当学生输入的标签未与后台标签相匹配时,***根据标签内容匹配上一级标签,若上一级标签也未与后台标签相匹配,则寻找更上一级标签直至最高级,若最高级标签也未与后台标签相匹配,***将在匹配内容时忽略这个标签。
优选的,所述的步骤3中,匹配原则为:匹配的标签多者优先;匹配的标签数量相同时,非匹配的标签少者优先;匹配和非匹配的标签都相同时,随机出现。这样的匹配原则能快速的从海量的信息中快速精准的定位到学生所需的信息,减少误差。
优选地,该方法还包括对匹配的学习内容进行评价,根据评价结果来改进标签和学习内容的匹配算法。
与现有技术相比,本发明具有以下优点:
1、学生可以选择自己喜欢的内容进行学习资料的匹配;
2、***中几十万条的关键标签可以匹配几乎所有学生所需要的内容;
3、通过人工智能的算法,根据你的性格,学习路径,学习方法等多种维度,精准地给学生推荐适合自己的学习内容。
附图说明
图1为本发明的同步控制流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
如图1所示,一种最佳学习内容自动推送方法,包括以下步骤:
步骤1、点选主题;
步骤2、录入标签;
步骤3、***根据标签匹配适合的学习内容。
所述的录入标签包括两种形式:输入文字和选择问题,所述的输入文字为学生自主录入若干个标签,所述的选择问题为若学生不选择合适的标签时,***提供一些问题让学生回答,以促成标签。例:(1)故事的主人公是谁?(2)文章描写的对象是谁?(3)你从中得到的收获是什么?……
所述的标签分为已用和未用两类,所述的已用标签为已作为某篇作文的标签出现过,反之则为未用标签。
所述的步骤3包括:当学生输入的标签为未用标签时,以该标签的一级标签为匹配项,该标签变更为已用标签,当学生输入的标签为已用标签时,***根据该标签匹配适合的学习内容。
所述的步骤3中,当学生输入的标签未与后台标签相匹配时,***根据标签内容匹配上一级标签,若上一级标签也未与后台标签相匹配,则寻找更上一级标签直至最高级,若最高级标签也未与后台标签相匹配,***将在匹配内容时忽略这个标签。
所述的步骤3中,匹配原则为:匹配的标签多者优先;匹配的标签数量相同时,非匹配的标签少者优先;匹配和非匹配的标签都相同时,随机出现。
如用户输入地球,如***中没有相关地球的文章内容,***会根据地球属于太阳系这一类,给用户推送太阳系这一类的文章内容,如也没有,***会匹配更上一级的如银河系的内容,直到***中能找到的最高层级。
该方法还包括对匹配的学习内容进行评价,根据评价结果来改进标签和学习内容的匹配算法。
所述的对匹配的学习内容进行评价具体为
返回一组属于某篇文本的”关键词值”的词数对,这些关键词最好地代表了这篇文本的核心内容,而这些关键词的相对于本篇文章的关键程度由它的值量化。
好了,那我们现在也有了提取关键词并量化关键程度的方法,那么我们现在就可以来对比两篇文本的相似程度了。公式如下:
Similarity(A,B)=Σi∈mTFIDFA*TFIDFBSimilarity(A,B)=Σi∈mTFIDFA*TFIDFB
m是两篇文章重合关键词的集合。此即将两篇文本的共同关键词的积全部加在一起,获得最终代表两篇文本的相似度的值。
举例:
分别提取出关键词与TFIDF值如下:
A:“实词学习”:100,“学习”:80,“翻译”:40
B:“虚词学习”:100,“学习”:90,“编程”:30
两篇文章只有一个共同关键词“学习”,故相似度为:80*90=7200。
学习过程中,根据题目获取知识点的具体过程如下:
获取到需要搜索的题目内容后,根据题目内容确定对应的第一知识点,然后根据第一知识点,结合用户自己设定的薄弱的第二知识点,查找第一知识点和薄弱的第二知识点所对应的强化题目,将题目内容对应的搜索答案和强化题目显示给用户,从而使得用户可以得到搜索的答案外,还能够根据与题目相关联的强化题目,结合薄弱的第二知识点进行强化,有利于更为全面的掌握知识点,提高学习效率。
另一种实施方式中,在学习过程中,还可以采用以下方式进行:
用户知识背景分析:更具用户的爱好,以及社交账号,动态分析出用户的知识背景。
构建有向标签关系图:有向标签关系图存储了所有知识点之间存在的一种内在联系,即知识内容上的包含、互斥等关系。整个标签关系图的知识结构是一个网状的结构。标签关系图包含的内容可以分为几个大的知识领域,每一个知识领域的知识结构是树形结构。每一个大的知识领域由一个知识的根结点一层层的往下细分,最后形成一个树形结构。
构建扩展知识库:扩展知识库是为了满足用户对知识的进一步需求,当用户对***推荐的微知识感兴趣时,***将给用户推荐针对该微知识的扩展知识,这可能是一个和该微知识相关的网站,或者是一篇文章。
发现用户期望的缺失知识:有向标签关系图提供的是一个完整的知识结构体系,相当于为用户制定了一个全面的学习计划。将用户当前关注的知识点标记在标签关系图中,从中发现与用户当前关注知识点密切相关的但是是用户未曾接触过的知识,推荐给用户学习,从而帮助用户达到知识查漏补缺的目的。
实现基于建构的学习资源推荐:将用户期望的缺失知识作为待推荐知识,推荐给用户学习。用户学习缺失知识的过程就是一个构建知识的过程。用户每学习一个缺失知识,用户的知识结构就会更加完善。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种最佳学习内容自动推送方法,其特征在于,包括以下步骤:
步骤1、点选主题;
步骤2、录入标签;
步骤3、***根据标签匹配适合的学习内容。
2.根据权利要求1所述的一种最佳学习内容自动推送方法,其特征在于,所述的录入标签包括两种形式:输入文字和选择问题,所述的输入文字为学生自主录入若干个标签,所述的选择问题为若学生不选择合适的标签时,***提供一些问题让学生回答,以促成标签。
3.根据权利要求1所述的一种最佳学习内容自动推送方法,其特征在于,所述的标签分为已用和未用两类,所述的已用标签为已作为某篇作文的标签出现过,反之则为未用标签。
4.根据权利要求3所述的一种最佳学习内容自动推送方法,其特征在于,所述的步骤3包括:当学生输入的标签为未用标签时,以该标签的一级标签为匹配项,该标签变更为已用标签,当学生输入的标签为已用标签时,***根据该标签匹配适合的学习内容。
5.根据权利要求4所述的一种最佳学习内容自动推送方法,其特征在于,所述的步骤3中,当学生输入的标签未与后台标签相匹配时,***根据标签内容匹配上一级标签,若上一级标签也未与后台标签相匹配,则寻找更上一级标签直至最高级,若最高级标签也未与后台标签相匹配,***将在匹配内容时忽略这个标签。
6.根据权利要求1所述的一种最佳学习内容自动推送方法,其特征在于,所述的步骤3中,匹配原则为:匹配的标签多者优先;匹配的标签数量相同时,非匹配的标签少者优先;匹配和非匹配的标签都相同时,随机出现。
7.根据权利要求1所述的一种最佳学习内容自动推送方法,其特征在于,该方法还包括对匹配的学习内容进行评价,根据评价结果来改进标签和学习内容的匹配算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810290377.3A CN108600337A (zh) | 2018-03-30 | 2018-03-30 | 一种最佳学习内容自动推送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810290377.3A CN108600337A (zh) | 2018-03-30 | 2018-03-30 | 一种最佳学习内容自动推送方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108600337A true CN108600337A (zh) | 2018-09-28 |
Family
ID=63624325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810290377.3A Pending CN108600337A (zh) | 2018-03-30 | 2018-03-30 | 一种最佳学习内容自动推送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108600337A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113726876A (zh) * | 2021-08-27 | 2021-11-30 | 维沃移动通信有限公司 | 学习内容的推送方法、装置、电子设备和可读存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609472A (zh) * | 2009-08-13 | 2009-12-23 | 腾讯科技(深圳)有限公司 | 一种基于问答平台的关键词评价方法和装置 |
CN101937471A (zh) * | 2010-09-21 | 2011-01-05 | 上海大学 | 关键词提取算法的多维空间评价方法 |
CN102508846A (zh) * | 2011-09-26 | 2012-06-20 | 深圳中兴网信科技有限公司 | 一种基于网络的媒体课件的推荐方法和*** |
CN103348369A (zh) * | 2011-01-06 | 2013-10-09 | 电子湾有限公司 | 计算建议工具中的兴趣度推荐 |
CN103838730A (zh) * | 2012-11-21 | 2014-06-04 | 大连灵动科技发展有限公司 | 一种特征评价选择方法 |
CN104462364A (zh) * | 2014-12-08 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法及装置 |
CN104809920A (zh) * | 2015-04-01 | 2015-07-29 | 广东小天才科技有限公司 | 一种个性化的学习方法和学习装置 |
CN105512349A (zh) * | 2016-02-23 | 2016-04-20 | 首都师范大学 | 一种用于学习者自适应学习的问答方法及装置 |
CN106095762A (zh) * | 2016-02-05 | 2016-11-09 | 中科鼎富(北京)科技发展有限公司 | 一种基于本体模型库的新闻推荐方法及装置 |
CN106777360A (zh) * | 2017-01-18 | 2017-05-31 | 广东小天才科技有限公司 | 内容推荐方法及装置 |
CN107315802A (zh) * | 2017-06-23 | 2017-11-03 | 北京天天卓越科技有限公司 | 基于知识点标签的线上教学数据采集方法及*** |
CN107818168A (zh) * | 2017-11-10 | 2018-03-20 | 广东小天才科技有限公司 | 题目搜索方法、装置及设备 |
-
2018
- 2018-03-30 CN CN201810290377.3A patent/CN108600337A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609472A (zh) * | 2009-08-13 | 2009-12-23 | 腾讯科技(深圳)有限公司 | 一种基于问答平台的关键词评价方法和装置 |
CN101937471A (zh) * | 2010-09-21 | 2011-01-05 | 上海大学 | 关键词提取算法的多维空间评价方法 |
CN103348369A (zh) * | 2011-01-06 | 2013-10-09 | 电子湾有限公司 | 计算建议工具中的兴趣度推荐 |
CN102508846A (zh) * | 2011-09-26 | 2012-06-20 | 深圳中兴网信科技有限公司 | 一种基于网络的媒体课件的推荐方法和*** |
CN103838730A (zh) * | 2012-11-21 | 2014-06-04 | 大连灵动科技发展有限公司 | 一种特征评价选择方法 |
CN104462364A (zh) * | 2014-12-08 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法及装置 |
CN104809920A (zh) * | 2015-04-01 | 2015-07-29 | 广东小天才科技有限公司 | 一种个性化的学习方法和学习装置 |
CN106095762A (zh) * | 2016-02-05 | 2016-11-09 | 中科鼎富(北京)科技发展有限公司 | 一种基于本体模型库的新闻推荐方法及装置 |
CN105512349A (zh) * | 2016-02-23 | 2016-04-20 | 首都师范大学 | 一种用于学习者自适应学习的问答方法及装置 |
CN106777360A (zh) * | 2017-01-18 | 2017-05-31 | 广东小天才科技有限公司 | 内容推荐方法及装置 |
CN107315802A (zh) * | 2017-06-23 | 2017-11-03 | 北京天天卓越科技有限公司 | 基于知识点标签的线上教学数据采集方法及*** |
CN107818168A (zh) * | 2017-11-10 | 2018-03-20 | 广东小天才科技有限公司 | 题目搜索方法、装置及设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113726876A (zh) * | 2021-08-27 | 2021-11-30 | 维沃移动通信有限公司 | 学习内容的推送方法、装置、电子设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107368468B (zh) | 一种运维知识图谱的生成方法及*** | |
CN110147436A (zh) | 一种基于教育知识图谱与文本的混合自动问答方法 | |
CN101251862B (zh) | 一种基于内容的问题自动分类方法及其*** | |
CN109960786A (zh) | 基于融合策略的中文词语相似度计算方法 | |
CN109271506A (zh) | 一种基于深度学习的电力通信领域知识图谱问答***的构建方法 | |
DE112013004082T5 (de) | Suchsystem der Emotionsentität für das Microblog | |
CN106934032A (zh) | 一种城市知识图谱构建方法及装置 | |
CN110781670B (zh) | 基于百科知识库和词向量的中文地名语义消歧方法 | |
CN109344187B (zh) | 一种司法判决书案情信息结构化处理*** | |
CN103116657A (zh) | 一种网络教学资源的个性化搜索方法 | |
CN106934071A (zh) | 基于异构信息网络和贝叶斯个性化排序的推荐方法及装置 | |
CN109800300A (zh) | 一种学习内容推荐方法及*** | |
CN112328800A (zh) | 自动生成编程规范问题答案的***及方法 | |
CN112163097A (zh) | 一种军事知识图谱构建方法及*** | |
CN114328951A (zh) | 一种融合信息获取和三元组抽取的知识图谱构建方法 | |
CN111368093A (zh) | 信息获取方法、装置、电子设备及计算机可读存储介质 | |
CN113239143A (zh) | 融合电网故障案例库的输变电设备故障处理方法及*** | |
CN108600337A (zh) | 一种最佳学习内容自动推送方法 | |
Yaman et al. | Address entities extraction using named entity recognition | |
CN110750632B (zh) | 一种改进的中文alice智能问答方法及*** | |
CN112541088A (zh) | 一种基于知识图谱的危险化学品库构建方法 | |
Raynaud et al. | Thematic question generation over knowledge bases | |
CN117216221A (zh) | 一种基于知识图谱的智能问答***及构建方法 | |
Ahmed et al. | Lightweight domain ontology learning from texts: graph theory–based approach using Wikipedia | |
CN104679836A (zh) | 一种农业本体自动扩充方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |