技術領域

本發明屬于數字化學習領域，具體涉及一種具有興趣引導功能的個性化推薦方法。

背景技術

隨著移動互聯網的發展，基于互聯網的數字化學習為用戶提供了個性化的學習環境。基于用戶興趣度進行個性化的推薦是一種普遍的方法，如專利[201210178807.5]報道了，基于用戶興趣度的個性化網絡學習資源推薦方法，包括分析學習者訪問基于擴展主題圖的網絡學習系統的行為數據，獲得學習者個人及其群組對學習內容的學習興趣路徑變化模式，然后根據這種學習興趣路徑變化模式以及擴展主題圖的學習對象之間的前后序列關系，實現給學習者主動推薦合適的學習資源的個性化推薦。

學習路徑推薦方法已有大量文獻報道，如于瑞強在碩士學位論文中《知識服務云平臺下個性化學習機制研究》，南京郵電大學，2013，報道的，基于知識地圖上的知識結構關系，采用群體智能的學習路徑推薦方法，選取鄰近用戶對啟發信息與信息素的貢獻進行路徑的選擇；申請號為[201510683902.4]的專利公開了一種基于知識地圖的多約束學習路徑推薦方法，針對移動端和PC端的特點引入約束條件。

但是針對于兒童這樣的學習群體，已有的推薦方法存在如下兩個問題：1)從教育的角度看，需要全面的知識學習，不能簡單以兒童自己所表達出的興趣偏向作為是否需要學習的依據，而且兒童的興趣點易受外界因素的干擾，所以僅僅基于學習者興趣度的推薦方法并不適合兒童；2)興趣的引導是兒童教育中非常重要的環節。日常生活中，兒童經常出現對新知識點缺乏興趣而不愿學習的情況，教育者通常需要對兒童進行引導，將新知識點與兒童已表達出的興趣點進行關聯，從而激發兒童學習興趣，達到降低學習難度的效果。然而目前的推薦方法是基于知識點的路徑搜索，并不具備類似的興趣引導功能。

發明內容

本發明在至少解決現有技術中存在的問題，提供了一種具有興趣引導功能的個性化推薦方法；有效解決學習者尤其是兒童的目標知識點選擇以及目標知識點學習的興趣引導問題，降低了學習難度，從而增強兒童數字化學習的能力。

為實現本發明上述的目的，本發明提供了一種具有興趣引導功能的個性化推薦方法，包括以下步驟：

S1.構建知識興趣導向圖：構建知識層和現象層，標記知識層內知識點之間的有向關系,標記知識層的知識點與現象層的現象節點之間的關系，得到所述知識興趣導向圖；

S2.獲取學習者個人特征：對個人信息進行預處理獲取學習者個人興趣及已學知識點；

S3.標記已學知識點、目標知識點和現象節點：對應學習者個人特征，在知識興趣導向圖的知識層中標記學習者已學的知識點和目標知識點，在現象層中標記與學習者個人興趣相關的現象節點以及與已學知識點有連接的現象節點；

S4.構建目標知識點的最優學習路徑：搜索目標知識點到已標識現象節點之間的最優路徑；

S5.推薦學習路徑。

利用本發明，引導兒童對新知識點的學習興趣；隨著時間的變化推移，兒童興趣范圍逐漸擴大，達到全面學習的目的。

在本發明的一種優選實施方式中，知識興趣導向圖中的現象層中所包含的現象節點是指和知識點關聯，能激發學習興趣的現象和待解決問題，根據所學知識范圍的不同可以具體表示為自然現象、自然環境、人文環境、生命體、活動示例，表現形式為動畫、游戲、虛擬現實、音頻、視頻、圖片、文字。

在本發明的一種優選實施方式中，知識興趣導向圖中的知識層是包含多個知識點的有向圖。

在本發明的一種優選實施方式中，步驟S2獲取學習者個人特征的方式包括對用戶輸入信息以及上傳文件進行分析的方式或對學習者學習記錄進行分析的方式。

在本發明的一種優選實施方式中，目標知識點集合為：

T_Input是用戶設置的知識點；當用戶輸入為空時，目標知識點定義為T_Target:

T_Target＝{t_i<k_i，w_i>|k_i∈K_new}

其中K_new表示未學習知識點集合；w_i為權重向量，和知識重要性、知識點和學習者個人興趣的相似性成正比，和難度系數成反比，權重越大，優先級越高；

在本發明的一種優選實施方式中,步驟S4搜索目標知識點到已標識現象節點之間的最優路徑包括以下步驟：

以目標知識點為起始點，在原知識網絡圖的基礎上生成反向圖；