CN109933700A - 基于大数据的学生阅读建议生成方法及相关设备 - Google Patents
基于大数据的学生阅读建议生成方法及相关设备 Download PDFInfo
- Publication number
- CN109933700A CN109933700A CN201910173866.5A CN201910173866A CN109933700A CN 109933700 A CN109933700 A CN 109933700A CN 201910173866 A CN201910173866 A CN 201910173866A CN 109933700 A CN109933700 A CN 109933700A
- Authority
- CN
- China
- Prior art keywords
- student
- reading information
- impression
- impression label
- label
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于大数据的学生阅读建议生成方法及相关设备。其中的方法包括:将所有的学生的阅读信息通过聚类算法进行分类;获取当前学生的阅读信息所在类别的各学生的阅读信息,从中获取与当前学生对应的年龄、文化程度相同的学生的阅读信息,从中获取各阅读信息的各印象标签,并针对每个阅读信息,将阅读信息的各印象标签组成一个第一印象标签向量;获取当前学生的阅读信息中的各印象标签,组成第二印象标签向量;将各第一印象标签向量与第二印象标签向量进行对比,从各第一印象标签向量中查找到与第二印象标签向量中的印象标签相同的印象标签,得到第三印象标签向量;根据第三印象标签向量所对应的阅读书籍,为学生生成阅读建议。
Description
技术领域
本申请涉及教育信息化技术领域,尤其涉及一种基于大数据的学生阅读建议生成方法及相关设备。
背景技术
阅读是对于学生的自身素质发展的一种非常必要的活动,有效的阅读,不仅开拓学生的视野,而且可以提高学生身心的健康发展。
不同阅读能力的学生所适合的书籍不同,不同兴趣爱好的学生所喜欢的书籍也不同,相关技术中,随着信息技术的发展,可阅读的书籍的种类越来越多,在网站上可以查询到大量的书籍,但是面对着大量的书籍,找到适合每个人的书籍变得比较困难,相应的,阅读质量也比较低。
发明内容
本申请的目的是提供一种基于大数据的学生阅读建议生成方法及相关设备,以解决相关技术中阅读质量较低的问题。
本申请的目的是通过以下技术方案实现的:
一种基于大数据的学生阅读建议生成方法,包括:
通过网络采集当前待生成建议的学生以及各参考学生的阅读信息;所述阅读信息包括学生的年龄、文化程度、阅读书籍、所述阅读书籍的至少一个标签;所述标签为学生对所述阅读书籍的印象标签;
将所有的学生的阅读信息通过聚类算法进行分类;
获取当前待生成建议的学生的阅读信息所在类别的各学生的阅读信息,作为第一候选阅读信息;
从所述第一候选阅读信息中,获取与所述当前待生成建议的学生对应的年龄、文化程度相同的学生的阅读信息,作为第二候选阅读信息;
获取所述第二候选阅读信息中各所述阅读信息的各所述印象标签,并针对每个所述阅读信息,将所述阅读信息的各所述印象标签组成一个第一印象标签向量;
获取所述当前待生成建议的学生的阅读信息中的各所述印象标签,组成第二印象标签向量;
将各所述第一印象标签向量与所述第二印象标签向量进行对比,从各所述第一印象标签向量中查找到与所述第二印象标签向量中的所述印象标签相同的所述印象标签,得到第三印象标签向量;
根据所述第三印象标签向量所对应的所述阅读书籍,为所述当前待生成建议的学生生成阅读建议。
可选的,还包括:
预先生成所述阅读书籍的初始的印象标签集合,接收学生从所述印象标签集合中选择的所述印象标签并添加到所述阅读信息中;
和/或,接收学生输入的自定义的印象标签并添加到所述阅读信息中;
和/或,接收学生输入的书评,从所述书评中提取若干词作为印象标签添加到所述阅读信息中。
可选的,所述预先生成所述阅读书籍的初始的印象标签集合,包括:
获取所述阅读书籍的封面;
识别所述封面中的文字;
从识别的文字中提取特征词;
将提取的特征词作为初始的所述印象标签集合。
可选的,所述识别所述封面中的文字,包括:
采用光学字符识别OCR技术识别所述封面中的文字。
可选的,所述从识别的文字中提取特征词,包括:
采用词频逆文本频率指数TF-IDF技术从识别的文字中提取特征词。
可选的,所述根据所述第三印象标签向量所对应的所述阅读书籍,为所述当前待生成建议的学生生成阅读建议,包括:
将所述第三印象标签向量中各所述印象标签所对应的所述阅读书籍相同的分为一类,统计每一类中所述阅读书籍的数量;
按照统计的所述阅读书籍的数量从高到底的顺序,为所述当前待生成建议的学生生成阅读建议。
可选的,所述按照统计的数量从高到底的顺序,为所述当前待生成建议的学生生成阅读建议,包括:
按照统计的所述阅读书籍的数量从高到低的顺序,选择当前阅读书籍,并执行如下调整步骤:判断所述当前待生成建议的学生的所述阅读信息中是否包含所述当前阅读书籍,如果是,将所述当前阅读书籍移动到最后一位,否则继续选择下一个当前阅读书籍,直至统计的所有的所述阅读书籍被选择完毕;
根据调整后的所述阅读书籍的顺序,为所述当前待生成建议的学生生成阅读建议。
一种基于大数据的学生阅读建议生成装置,包括:
采集模块,用于通过网络采集当前待生成建议的学生以及各参考学生的阅读信息;所述阅读信息包括学生的年龄、文化程度、阅读书籍、所述阅读书籍的至少一个标签;所述标签为学生对所述阅读书籍的印象标签;
分类模块,用于将所有的学生的阅读信息通过聚类算法进行分类;
第一获取模块,用于获取当前待生成建议的学生的阅读信息所在类别的各学生的阅读信息,作为第一候选阅读信息;
第二获取模块,用于从所述第一候选阅读信息中,获取与所述当前待生成建议的学生对应的年龄、文化程度相同的学生的阅读信息,作为第二候选阅读信息;
第三获取模块,用于获取所述第二候选阅读信息中各所述阅读信息的各所述印象标签,并针对每个所述阅读信息,将所述阅读信息的各所述印象标签组成一个第一印象标签向量;
第四获取模块,用于获取所述当前待生成建议的学生的阅读信息中的各所述印象标签,组成第二印象标签向量;
查找模块,用于将各所述第一印象标签向量与所述第二印象标签向量进行对比,从各所述第一印象标签向量中查找到与所述第二印象标签向量中的所述印象标签相同的所述印象标签,得到第三印象标签向量;
建议生成模块,用于根据所述第三印象标签向量所对应的所述阅读书籍,为所述当前待生成建议的学生生成阅读建议。
一种电子设备,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如以上任一项所述的方法。
一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如以上任一项所述的方法中各个步骤。
本申请采用以上技术方案,具有如下有益效果:
本申请实施例中提供一种新的自动生成阅读建议的方法,通过网络采集当前待生成建议的学生以及各参考学生的阅读信息,然后通过聚类算法将阅读信息分类,基于聚类算法的特性,当前待生成建议的学生的阅读信息所在的类别为第一候选阅读信息,该第一候选阅读信息中都是与其最相似的学生的阅读信息,基于此,进行阅读建议的生成,更加准确,具体的,将作为第一候选阅读信息,从第一候选阅读信息中获取与待生成建议的学生的年龄、文化程度相同的阅读信息作为第二候选阅读信息,以匹配学生的阅读能力,将第二候选阅读信息中的每个阅读信息的印象标签组成一个第一印象标签向量,将当前待生成建议的学生的阅读信息中的各印象标签组成一个第二印象标签向量,将各第一印象标签向量与第二印象标签向量对比,找到相同的印象标签,得到第三印象标签向量,其中的印象标签可以反映出学生的兴趣爱好,如此,可以对兴趣爱好等进行匹配,据此为学生生成阅读建议,更加符合学生的阅读能力、兴趣爱好等需求,从而可以提高阅读质量。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一个实施例提供的一种基于大数据的学生阅读建议生成方法的流程图;
图2为本申请另一个实施例提供的一种基于大数据的学生阅读建议生成装置的结构示意图;
图3为本申请另一个实施例提供的一种电子设备的结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将对本申请的技术方案进行详细的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本申请所保护的范围。
实施例
参见图1,图1是本申请实施例提供的一种基于大数据的学生阅读建议生成方法的流程图。
如图1所示,本实施例的基于大数据的学生阅读建议生成方法,至少包括如下步骤:
步骤11、通过网络采集当前待生成建议的学生以及各参考学生的阅读信息;阅读信息包括学生的年龄、文化程度、阅读书籍、阅读书籍的至少一个标签;标签为学生对阅读书籍的印象标签;
其中,文化程度可以包括小学、初中、高中、大学等。其中小学还可以进一步包括六个年级,初中进一步包括三个年级,高中进一步包括三个年级,大学进一步包括四个年级或者五个年级,等等。
其中,印象标签可以是科普、艺术、科幻、国学、有趣等等。
步骤12、将所有的学生的阅读信息通过聚类算法进行分类;
步骤13、获取当前待生成建议的学生的阅读信息所在类别的各学生的阅读信息,作为第一候选阅读信息;
步骤14、从第一候选阅读信息中,获取与当前待生成建议的学生对应的年龄、文化程度相同的学生的阅读信息,作为第二候选阅读信息;
步骤15、获取第二候选阅读信息中各阅读信息的各印象标签,并针对每个阅读信息,将阅读信息的各印象标签组成一个第一印象标签向量;
步骤16、获取当前待生成建议的学生的阅读信息中的各印象标签,组成第二印象标签向量;
步骤17、将各第一印象标签向量与第二印象标签向量进行对比,从各第一印象标签向量中查找到与第二印象标签向量中的印象标签相同的印象标签,得到第三印象标签向量;
步骤18、根据第三印象标签向量所对应的阅读书籍,为当前待生成建议的学生生成阅读建议。
本申请实施例中提供一种新的自动生成阅读建议的方法,通过网络采集当前待生成建议的学生以及各参考学生的阅读信息,然后通过聚类算法将阅读信息分类,基于聚类算法的特性,当前待生成建议的学生的阅读信息所在的类别为第一候选阅读信息,该第一候选阅读信息中都是与其最相似的学生的阅读信息,基于此,进行阅读建议的生成,更加准确,具体的,将作为第一候选阅读信息,从第一候选阅读信息中获取与待生成建议的学生的年龄、文化程度相同的阅读信息作为第二候选阅读信息,以匹配学生的阅读能力,将第二候选阅读信息中的每个阅读信息的印象标签组成一个第一印象标签向量,将当前待生成建议的学生的阅读信息中的各印象标签组成一个第二印象标签向量,将各第一印象标签向量与第二印象标签向量对比,找到相同的印象标签,得到第三印象标签向量,其中的印象标签可以反映出学生的兴趣爱好,如此,可以对兴趣爱好等进行匹配,据此为学生生成阅读建议,更加符合学生的阅读能力、兴趣爱好等需求,从而可以提高阅读质量。
本方案的执行主体可以是网络服务器或者网络服务器中的功能模块等等。
上述步骤11中,可以但不限于是从移动终端接收学生的阅读信息。相应的,可以将生成的阅读建议反馈至移动终端。其中,移动终端可以是手机、平板电脑等等。
其中,接收学生的阅读信息的数量也可以进行设置,比如设置1000个,或者10000个,等等,设置的数量越多,得到的建议的结果效果越好,当然如果考虑到处理效率的问题,可以相对减少设置数量。
上述印象标签的来源有多种,可以是自动生成的,也可以是学生反馈的。基于此,一些实施例中,本实施例的方法还可以包括:
预先生成阅读书籍的初始的印象标签集合,接收学生从印象标签集合中选择的印象标签并添加到阅读信息中;
和/或,接收学生输入的自定义的印象标签并添加到阅读信息中;
和/或,接收学生输入的书评,从书评中提取若干词作为印象标签添加到阅读信息中。
其中,可以采用词频逆文本频率指数(term frequency–inverse documentfrequency,TF-IDF)技术等从书评中提取特征词。
比如,学生阅读完一本书籍之后,发现除了初始的印象标签集合中的印象标签以外,还有自己额外的新的印象,可以自己输入自定义的印象标签。自定义的印象标签也可以添加到印象标签集合中,供其他的学生选择。
本实施例中,通过不同的方式得到阅读书籍的印象标签,使得阅读书籍的印象标签的来源更加丰富,从而使得印象标签的添加更加准确,更加符合学生的阅读需求。
上述预先生成阅读书籍的初始的印象标签集合的具体实现方式有多种,其中一种具体的实现方式可以是:获取阅读书籍的封面;识别封面中的文字;从识别的文字中提取特征词;将提取的特征词作为初始的印象标签集合。或者,也可以从阅读书籍的简介中提取特征词作为初始的印象标签集合。
其中,识别封面中的文字时,可以采用光学字符识别(Optical CharacterRecognition,OCR)技术等识别封面中的文字。
其中,从识别的文字中提取特征词时,可以采用TF-IDF技术等从识别的文字中提取特征词。
以科普类的书籍为例,在封面上一般会有“科普”的字样,可以提取出特征词,加入到初始的印象标签集合。
上述步骤12中,所采用的聚类算法有多种,比如可以为K-Means聚类算法。
上述步骤18的具体实现方式有多种。上述步骤18中,根据第三印象标签向量所对应的阅读书籍,为当前待生成建议的学生生成阅读建议,其中一种具体实现方式可以是:
将第三印象标签向量中各印象标签所对应的阅读书籍相同的分为一类,统计每一类中阅读书籍的数量;
按照统计的阅读书籍的数量从高到底的顺序,为当前待生成建议的学生生成阅读建议。
如此,可以将阅读人数较多的阅读书籍推荐给学生,更符合学生的阅读需求。
比如,第三印象标签向量中包括科普、艺术、科幻、国学、有趣四个印象标签。不同的学生阅读同一本书之后,可能提供的印象标签不同,比如对于一本科幻的书籍来说,有的学生添加的印象标签还可能是科普、有趣等等。因此,不同的印象标签越多,说明阅读的人数越多。比如,“科普”印象标签对应的阅读书籍包括书籍1、书籍2,“艺术”印象标签对应的阅读书籍包括书籍3、书籍4,“科幻”印象标签对应的阅读书籍包括书籍2、书籍5,“国学”印象标签对应的阅读书籍包括书籍6、书籍7,“有趣”印象标签对应的阅读书籍包括书籍2、书籍8。统计之后,书籍1的数量是1,书籍2的数量是3,书籍3的数量是1,书籍4的数量是1,书籍5的数量是1,书籍6的数量是1,书籍7的数量是1,书籍8的数量是1。因此,书籍2的数量是最多的,可以认为阅读的人最多,排到最前面,可以优选推荐。
考虑到有些书籍已经被学生阅读过,为了提高推荐的效率,可以将这一类的放在靠后的位置,使得学生能够尽快找到合适的阅读书籍。因此,其中,按照统计的数量从高到底的顺序,为当前待生成建议的学生生成阅读建议,具体的一种实现方式可以是:
按照统计的阅读书籍的数量从高到低的顺序,选择当前阅读书籍,并执行如下调整步骤:判断当前待生成建议的学生的阅读信息中是否包含当前阅读书籍,如果是,将当前阅读书籍移动到最后一位,否则继续选择下一个当前阅读书籍,直至统计的所有的阅读书籍被选择完毕;
根据调整后的阅读书籍的顺序,为当前待生成建议的学生生成阅读建议。
比如,统计的阅读书籍的数量从高到低的顺序为书籍1,书籍2,书籍3,书籍4,书籍5,数据6,数据7,书籍8。先选择书籍1作为当前阅读书籍,判断当前待生成建议的学生的阅读信息中是否包括书籍1,如果是,说明已经阅读过,无需推荐,将书籍1移动到最后一位,即排到书籍8之后。继续选择书籍2作为当前阅读书籍,判断当前待生成建议的学生的阅读信息中是否包括书籍2,如果不是,说明没有阅读过,需要推荐,不进行移动。继续选择书籍3作为当前阅读书籍,判断当前待生成建议的学生的阅读信息中是否包括书籍3,如果是,说明已经阅读过,不需要推荐,将书籍3移动都最后一位,即排到上次移动的书籍1之后。以此类推,直到选择到书籍8。
参见图2,图2是本申请另一个实施例提供的一种基于大数据的学生阅读建议生成装置的结构示意图。
如图2所示,本实施例提供的一种基于大数据的学生阅读建议生成装置,包括:
采集模块201,用于通过网络采集当前待生成建议的学生以及各参考学生的阅读信息;阅读信息包括学生的年龄、文化程度、阅读书籍、阅读书籍的至少一个标签;标签为学生对阅读书籍的印象标签;
分类模块202,用于将所有的学生的阅读信息通过聚类算法进行分类;
第一获取模块203,用于获取当前待生成建议的学生的阅读信息所在类别的各学生的阅读信息,作为第一候选阅读信息;
第二获取模块204,用于从第一候选阅读信息中,获取与当前待生成建议的学生对应的年龄、文化程度相同的学生的阅读信息,作为第二候选阅读信息;
第三获取模块205,用于获取第二候选阅读信息中各阅读信息的各印象标签,并针对每个阅读信息,将阅读信息的各印象标签组成一个第一印象标签向量;
第四获取模块206,用于获取当前待生成建议的学生的阅读信息中的各印象标签,组成第二印象标签向量;
查找模块207,用于将各第一印象标签向量与第二印象标签向量进行对比,从各第一印象标签向量中查找到与第二印象标签向量中的印象标签相同的印象标签,得到第三印象标签向量;
建议生成模块208,用于根据第三印象标签向量所对应的阅读书籍,为当前待生成建议的学生生成阅读建议。
本实施例提供的基于大数据的学生阅读建议生成装置位于网络服务器侧。
本实施例提供的基于大数据的学生阅读建议生成装置的具体实施方案可以参考以上任意例的基于大数据的学生阅读建议生成方法的实施方式,此处不再赘述。
参见图3,图3是本申请另一个实施例提供的一种电子设备的结构图。
如图3所示,本实施例提供的一种电子设备,包括:
处理器301,以及与处理器301相连接的存储器302;
存储器302用于存储计算机程序;
处理器301用于调用并执行存储器中的计算机程序,以执行如以上任一项的方法。
本实施例提供的电子设备可以为网络服务器等等。
本实施例提供的电子设备的具体实施方案可以参考以上任意例的基于大数据的学生阅读建议生成方法的实施方式,此处不再赘述。
本申请另一个实施例还提供一种存储介质,存储介质存储有计算机程序,计算机程序被处理器执行时,实现如以上任一项的方法中各个步骤。
本实施例提供的存储介质的具体实施方案可以参考以上任意例的基于大数据的学生阅读建议生成方法的实施方式,此处不再赘述。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于大数据的学生阅读建议生成方法,其特征在于,包括:
通过网络采集当前待生成建议的学生以及各参考学生的阅读信息;所述阅读信息包括学生的年龄、文化程度、阅读书籍、所述阅读书籍的至少一个标签;所述标签为学生对所述阅读书籍的印象标签;
将所有的学生的阅读信息通过聚类算法进行分类;
获取当前待生成建议的学生的阅读信息所在类别的各学生的阅读信息,作为第一候选阅读信息;
从所述第一候选阅读信息中,获取与所述当前待生成建议的学生对应的年龄、文化程度相同的学生的阅读信息,作为第二候选阅读信息;
获取所述第二候选阅读信息中各所述阅读信息的各所述印象标签,并针对每个所述阅读信息,将所述阅读信息的各所述印象标签组成一个第一印象标签向量;
获取所述当前待生成建议的学生的阅读信息中的各所述印象标签,组成第二印象标签向量;
将各所述第一印象标签向量与所述第二印象标签向量进行对比,从各所述第一印象标签向量中查找到与所述第二印象标签向量中的所述印象标签相同的所述印象标签,得到第三印象标签向量;
根据所述第三印象标签向量所对应的所述阅读书籍,为所述当前待生成建议的学生生成阅读建议。
2.根据权利要求1所述的方法,其特征在于,还包括:
预先生成所述阅读书籍的初始的印象标签集合,接收学生从所述印象标签集合中选择的所述印象标签并添加到所述阅读信息中;
和/或,接收学生输入的自定义的印象标签并添加到所述阅读信息中;
和/或,接收学生输入的书评,从所述书评中提取若干词作为印象标签添加到所述阅读信息中。
3.根据权利要求2所述的方法,其特征在于,所述预先生成所述阅读书籍的初始的印象标签集合,包括:
获取所述阅读书籍的封面;
识别所述封面中的文字;
从识别的文字中提取特征词;
将提取的特征词作为初始的所述印象标签集合。
4.根据权利要求3所述的方法,其特征在于,所述识别所述封面中的文字,包括:
采用光学字符识别OCR技术识别所述封面中的文字。
5.根据权利要求3所述的方法,其特征在于,所述从识别的文字中提取特征词,包括:
采用词频逆文本频率指数TF-IDF技术从识别的文字中提取特征词。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第三印象标签向量所对应的所述阅读书籍,为所述当前待生成建议的学生生成阅读建议,包括:
将所述第三印象标签向量中各所述印象标签所对应的所述阅读书籍相同的分为一类,统计每一类中所述阅读书籍的数量;
按照统计的所述阅读书籍的数量从高到底的顺序,为所述当前待生成建议的学生生成阅读建议。
7.根据权利要求6所述的方法,其特征在于,所述按照统计的数量从高到底的顺序,为所述当前待生成建议的学生生成阅读建议,包括:
按照统计的所述阅读书籍的数量从高到低的顺序,选择当前阅读书籍,并执行如下调整步骤:判断所述当前待生成建议的学生的所述阅读信息中是否包含所述当前阅读书籍,如果是,将所述当前阅读书籍移动到最后一位,否则继续选择下一个当前阅读书籍,直至统计的所有的所述阅读书籍被选择完毕;
根据调整后的所述阅读书籍的顺序,为所述当前待生成建议的学生生成阅读建议。
8.一种基于大数据的学生阅读建议生成装置,其特征在于,包括:
采集模块,用于通过网络采集当前待生成建议的学生以及各参考学生的阅读信息;所述阅读信息包括学生的年龄、文化程度、阅读书籍、所述阅读书籍的至少一个标签;所述标签为学生对所述阅读书籍的印象标签;
分类模块,用于将所有的学生的阅读信息通过聚类算法进行分类;
第一获取模块,用于获取当前待生成建议的学生的阅读信息所在类别的各学生的阅读信息,作为第一候选阅读信息;
第二获取模块,用于从所述第一候选阅读信息中,获取与所述当前待生成建议的学生对应的年龄、文化程度相同的学生的阅读信息,作为第二候选阅读信息;
第三获取模块,用于获取所述第二候选阅读信息中各所述阅读信息的各所述印象标签,并针对每个所述阅读信息,将所述阅读信息的各所述印象标签组成一个第一印象标签向量;
第四获取模块,用于获取所述当前待生成建议的学生的阅读信息中的各所述印象标签,组成第二印象标签向量;
查找模块,用于将各所述第一印象标签向量与所述第二印象标签向量进行对比,从各所述第一印象标签向量中查找到与所述第二印象标签向量中的所述印象标签相同的所述印象标签,得到第三印象标签向量;
建议生成模块,用于根据所述第三印象标签向量所对应的所述阅读书籍,为所述当前待生成建议的学生生成阅读建议。
9.一种电子设备,其特征在于,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如权利要求1~7任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1~7任一项所述的方法中各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910173866.5A CN109933700A (zh) | 2019-03-07 | 2019-03-07 | 基于大数据的学生阅读建议生成方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910173866.5A CN109933700A (zh) | 2019-03-07 | 2019-03-07 | 基于大数据的学生阅读建议生成方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109933700A true CN109933700A (zh) | 2019-06-25 |
Family
ID=66986680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910173866.5A Pending CN109933700A (zh) | 2019-03-07 | 2019-03-07 | 基于大数据的学生阅读建议生成方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109933700A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150713A (zh) * | 2020-08-28 | 2020-12-29 | 黄石微美生活网络科技有限公司 | 一种书籍借阅方法和后台服务器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714130A (zh) * | 2013-12-12 | 2014-04-09 | 深圳先进技术研究院 | 视频推荐***及方法 |
CN105488233A (zh) * | 2016-01-25 | 2016-04-13 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 阅读信息推荐方法和*** |
CN105827690A (zh) * | 2016-03-04 | 2016-08-03 | 乐视网信息技术(北京)股份有限公司 | 根据用户喜好进行信息推送的方法及服务器 |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN107515934A (zh) * | 2017-08-29 | 2017-12-26 | 四川长虹电器股份有限公司 | 一种基于大数据的电影语义个性化标签优化方法 |
CN107943871A (zh) * | 2017-11-10 | 2018-04-20 | 深圳市华阅文化传媒有限公司 | 推荐用户阅读喜好的书籍的方法及装置 |
CN109409928A (zh) * | 2018-09-14 | 2019-03-01 | 上海晶赞融宣科技有限公司 | 一种素材推荐方法、装置、存储介质、终端 |
-
2019
- 2019-03-07 CN CN201910173866.5A patent/CN109933700A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714130A (zh) * | 2013-12-12 | 2014-04-09 | 深圳先进技术研究院 | 视频推荐***及方法 |
CN105488233A (zh) * | 2016-01-25 | 2016-04-13 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 阅读信息推荐方法和*** |
CN105827690A (zh) * | 2016-03-04 | 2016-08-03 | 乐视网信息技术(北京)股份有限公司 | 根据用户喜好进行信息推送的方法及服务器 |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN107515934A (zh) * | 2017-08-29 | 2017-12-26 | 四川长虹电器股份有限公司 | 一种基于大数据的电影语义个性化标签优化方法 |
CN107943871A (zh) * | 2017-11-10 | 2018-04-20 | 深圳市华阅文化传媒有限公司 | 推荐用户阅读喜好的书籍的方法及装置 |
CN109409928A (zh) * | 2018-09-14 | 2019-03-01 | 上海晶赞融宣科技有限公司 | 一种素材推荐方法、装置、存储介质、终端 |
Non-Patent Citations (1)
Title |
---|
张智文: "《射频识别技术理论与实践》", 31 January 2008 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150713A (zh) * | 2020-08-28 | 2020-12-29 | 黄石微美生活网络科技有限公司 | 一种书籍借阅方法和后台服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512331B (zh) | 一种视频推荐方法及装置 | |
Spence et al. | How color enhances visual memory for natural scenes | |
Gregan‐Paxton et al. | “So that's what that is”: Examining the impact of analogy on consumers' knowledge development for really new products | |
Chang et al. | Taiwanese or Chinese? Independence or unification? An analysis of generational differences in Taiwan | |
CN111859195A (zh) | 一种信息展示方法、信息搜索方法及装置 | |
CN110196972B (zh) | 文案生成方法、装置及计算机可读存储介质 | |
US20170109786A1 (en) | System for producing promotional media content and method thereof | |
Chen et al. | What's in a name? First names as facial attributes | |
CN106991115A (zh) | 向用户提供经适配的学习信息的方法和设备 | |
CN107992602A (zh) | 搜索结果展示方法和装置 | |
US9906588B2 (en) | Server and method for extracting content for commodity | |
CN109241305A (zh) | 一种基于图像识别的绘本阅读方法及装置 | |
CN114372160B (zh) | 一种搜索请求处理方法、装置、计算机设备及存储介质 | |
Wang et al. | TransSum: Translating aspect and sentiment embeddings for self-supervised opinion summarization | |
CN107844531B (zh) | 答案输出方法、装置和计算机设备 | |
CN109871440A (zh) | 基于语义分析的智能提示方法、装置及设备 | |
CN114419391A (zh) | 目标图像识别方法及装置、电子设备及可读存储介质 | |
CN117788109A (zh) | 一种基于大语言模型生成商品标签的方法及电子设备 | |
CN109065015B (zh) | 一种数据采集方法、装置、设备及可读存储介质 | |
CN109933700A (zh) | 基于大数据的学生阅读建议生成方法及相关设备 | |
CN116051192A (zh) | 处理数据的方法和装置 | |
Love | Environment and goals jointly direct category acquisition | |
CN111524515A (zh) | 语音交互方法、装置、电子设备及可读存储介质 | |
CN116701637A (zh) | 一种基于clip的零样本文本分类方法、***及介质 | |
JP7037180B2 (ja) | 学習用データ判別装置および学習用データ判別プログラム |
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 |
Application publication date: 20190625 |
|
RJ01 | Rejection of invention patent application after publication |