一種網(wǎng)絡(luò)教學(xué)資源的個性化推薦系統(tǒng)和推薦方法
【專利摘要】本發(fā)明公開了一種網(wǎng)絡(luò)教學(xué)資源推薦系統(tǒng)及方法。該系統(tǒng)包括：數(shù)據(jù)構(gòu)建模塊，其構(gòu)建教師行為數(shù)據(jù)、教師模型數(shù)據(jù)、課程模型數(shù)據(jù)、資源模型數(shù)據(jù)；離線數(shù)據(jù)處理模塊，其用于初始化和調(diào)整課程模型數(shù)據(jù)和資源模型數(shù)據(jù)，并利用教師行為數(shù)據(jù)推斷教師身份，根據(jù)教師行為數(shù)據(jù)計算資源之間的關(guān)聯(lián)度，根據(jù)資源模型數(shù)據(jù)計算資源之間的相似度，根據(jù)資源模型數(shù)據(jù)和課程模型數(shù)據(jù)計算課程與資源之間的關(guān)聯(lián)度；在線推薦模塊，其利用資源之間的關(guān)聯(lián)度、資源之間的相似度、課程與資源的關(guān)聯(lián)度、教師的動態(tài)描述在線推薦資源，還根據(jù)教師對推薦資源的反饋推薦資源標簽，并通過UI交互，將教師的行為數(shù)據(jù)傳輸?shù)綌?shù)據(jù)構(gòu)建模塊的教師行為數(shù)據(jù)中。
【專利說明】一種網(wǎng)絡(luò)教學(xué)資源的個性化推薦系統(tǒng)和推薦方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計算機互聯(lián)網(wǎng)【技術(shù)領(lǐng)域】，具體來說涉及一種在網(wǎng)絡(luò)化教學(xué)資源方面的個性化推薦系統(tǒng)及其實現(xiàn)方法。
【背景技術(shù)】
[0002]隨著E-Learning的崛起，網(wǎng)絡(luò)教學(xué)資源也在以迅猛的方式增長，信息的超載給教學(xué)組織者和學(xué)習(xí)者帶來了許多挑戰(zhàn)，他們不得不花費大量的時間和精力，才能篩選出符合自己需求的教學(xué)資源，因此，在商業(yè)領(lǐng)域大放異彩的推薦系統(tǒng)，也開始逐漸應(yīng)用到教育領(lǐng)域，其利用用戶的歷史行為數(shù)據(jù)，進行個性化計算，發(fā)現(xiàn)用戶興趣點，引導(dǎo)用戶逐漸發(fā)現(xiàn)需求信息或資源，這在很大程度上，提高了用戶的工作和學(xué)習(xí)效率。
[0003]當(dāng)前比較流行的推薦算法有協(xié)同過濾推薦(Collaborative filtering,簡稱CF)、基于內(nèi)容的推薦(Content-based recommendation,簡稱CB)、基于知識的推薦(Knowledge-based recommendation)和混合推薦(Hybrid recommendation)算法。協(xié)同過濾算法是根據(jù)用戶之前的喜好以及其他興趣相近的用戶的選擇來給用戶推薦物品；基于內(nèi)容的推薦，主要來源于信息檢索領(lǐng)域，其原理是通過分析用戶過去選擇物品的內(nèi)容，提取文本特征，在未選擇的物品中，根據(jù)文本特征，計算物品相似性，實現(xiàn)推薦；基于知識的推薦通過與用戶之間的交互，如限定購買價格區(qū)間、品牌、功能等條件，來不斷逼近用戶的心理預(yù)期；混合推薦算法是通過不同的方式將以上三種方法進行融合，優(yōu)勢互補，實現(xiàn)推薦。
[0004]結(jié)合商業(yè)領(lǐng)域的推薦方法，研究人員提出了多種在E-Learning中的推薦系統(tǒng)，包括在推薦系統(tǒng)中融入本體結(jié)構(gòu)，CB、CF和數(shù)據(jù)挖掘混合方法等。在正式的中小學(xué)教學(xué)過程中，教師需要準備大量的教學(xué)素材和資料，來為授課做準備，且在國內(nèi)中小學(xué)教學(xué)中，存在著學(xué)生用書地域性差異、教師水平層次不齊等問題。目前很多推薦系統(tǒng)推薦精度偏低，直接使用協(xié)同過濾方法，缺乏對課程內(nèi)容的了解認識，造成推薦資源的過時，推薦結(jié)果與所準備課程任務(wù)的關(guān)聯(lián)度偏低的問題，且系統(tǒng)在初始運行時，新用戶或新資源的加入，缺少歷史行為記錄，因此易造成用戶歷史行為數(shù)據(jù)稀疏，以及冷啟動等問題；本體是通過特定領(lǐng)域詞匯表的基本術(shù)語及其關(guān)系，以及結(jié)合這些術(shù)語和關(guān)系來定義詞匯表外延規(guī)則的形式化表達，通常需要該領(lǐng)域的專家來進行構(gòu)建和維護，在推薦系統(tǒng)中采用本體結(jié)構(gòu)，需要很大的人力物力投入，因此，需要一種能夠基于課程內(nèi)容，能節(jié)省人工成本，推薦相關(guān)教學(xué)資源的個性化推薦系統(tǒng)。

【發(fā)明內(nèi)容】

[0005](一 )要解決的技術(shù)問題
[0006]本發(fā)明欲解決的技術(shù)問題是在正式教學(xué)中，如何充分挖掘課程內(nèi)容，分析教學(xué)資源內(nèi)容和資源之間的關(guān)聯(lián)關(guān)系，以及如何將課程、教學(xué)資源和教師行為相結(jié)合，實現(xiàn)基于標簽集和教師行為的網(wǎng)絡(luò)教學(xué)資源推薦。
[0007]( 二 )技術(shù)方案[0008]本發(fā)明提供了一利網(wǎng)絡(luò)教學(xué)資源推薦系統(tǒng)，其特征在于，包括:
[0009]數(shù)據(jù)構(gòu)建模塊，其構(gòu)建教師行為數(shù)據(jù)、教師模型數(shù)據(jù)、課程模型數(shù)據(jù)、資源模型數(shù)據(jù)；
[0010]離線數(shù)據(jù)處理模塊，其用于初始化和調(diào)整課程模型數(shù)據(jù)和資源模型數(shù)據(jù)，并利用教師行為數(shù)據(jù)推斷教師身份，根據(jù)教師行為數(shù)據(jù)計算資源之間的關(guān)聯(lián)度，根據(jù)資源模型數(shù)據(jù)計算資源之間的相似度，根據(jù)資源模型數(shù)據(jù)和課程模型數(shù)據(jù)計算課程與資源之間的關(guān)聯(lián)度；
[0011]在線推薦模塊，其利用資源之間的關(guān)聯(lián)度、資源之間的相似度、課程與資源的關(guān)聯(lián)度、教師的動態(tài)描述在線推薦資源，還根據(jù)教師對推薦資源的反饋推薦資源標簽，并將教師產(chǎn)生的行為數(shù)據(jù)發(fā)送給數(shù)據(jù)構(gòu)建模塊，以更新教師行為數(shù)據(jù)。
[0012]本發(fā)明還提供了一種網(wǎng)絡(luò)教學(xué)資源推薦方法，其特征在于，包括:
[0013]數(shù)據(jù)構(gòu)建步驟，其構(gòu)建教師行為數(shù)據(jù)、教師模型數(shù)據(jù)、課程模型數(shù)據(jù)、資源模型數(shù)據(jù)；
[0014]離線數(shù)據(jù)處理步驟，其用于初始化和調(diào)整課程模型數(shù)據(jù)和資源模型數(shù)據(jù)，并利用教師行為數(shù)據(jù)推斷教師身份，根據(jù)教師行為數(shù)據(jù)計算資源之間的關(guān)聯(lián)度，根據(jù)資源模型數(shù)據(jù)計算資源之間的相似度，根據(jù)資源模型數(shù)據(jù)和課程模型數(shù)據(jù)計算課程與資源之間的關(guān)聯(lián)度；
[0015]在線推薦步驟，其利用資源之間的關(guān)聯(lián)度、資源之間的相似度、課程與資源的關(guān)聯(lián)度、教師的動態(tài)描述在線推薦資源，還根據(jù)教師對推薦資源的反饋推薦資源標簽，并根據(jù)教師產(chǎn)生的行為數(shù)據(jù)更新教師行為數(shù)據(jù)。
[0016](三)有益效果
[0017]從上述技術(shù)方案可以看出，本發(fā)明具有以下有益效果:
[0018]針對教師用戶的特性和需求，從海量資源庫中篩選適于教師的教學(xué)資源，克服網(wǎng)絡(luò)資源庫信息過載的問題。
[0019]1、本發(fā)明采用知識決策樹結(jié)構(gòu)，是依據(jù)教學(xué)使用書籍的編排結(jié)構(gòu)，進行設(shè)計，同時，使用決策樹中的一條路徑，來表示教師模型的動態(tài)描述，在此樹狀結(jié)構(gòu)下篩選相關(guān)網(wǎng)絡(luò)資源，可以提高推薦的精度和質(zhì)量。
[0020]2、本發(fā)明采用基于內(nèi)容和標簽的推薦方法，可以有效避免冷啟動和數(shù)據(jù)稀疏問題，給推薦系統(tǒng)帶來的影響。
[0021]3、本發(fā)明使用關(guān)聯(lián)規(guī)則挖掘方法，是基于同一教師在短時間內(nèi)的操作具有目的連續(xù)性的假設(shè)，將其轉(zhuǎn)化為可以使用關(guān)聯(lián)規(guī)則挖掘方法處理的問題，計算教學(xué)資源之間的關(guān)聯(lián)度，降低數(shù)據(jù)稀疏情況下，使用協(xié)同過濾算法尋找近鄰困難的影響。
[0022]4、本發(fā)明使用潛在語義分析、統(tǒng)計、聚類等方法，通過教師行為記錄，對課程標簽和資源標簽進行過濾擴展，隨著行為記錄的增加，系統(tǒng)中的課程標簽和資源標簽會變得越來越穩(wěn)定和準確，有效降低基于內(nèi)容推薦方法在提取關(guān)鍵詞的不準確性。
【專利附圖】

【附圖說明】
[0023]圖1是本發(fā)明中網(wǎng)絡(luò)教學(xué)資源推薦系統(tǒng)的結(jié)構(gòu)框圖；
[0024]圖2是本發(fā)明中教師模型模塊的數(shù)據(jù)結(jié)構(gòu)示意圖；[0025]圖3(a)是本發(fā)明中課程模型模塊的數(shù)據(jù)結(jié)構(gòu)示意圖；
[0026]圖3(b)是圖3(a)符號的說明示意圖；
[0027]圖4是本發(fā)明中資源模型模塊的數(shù)據(jù)結(jié)構(gòu)示意圖；
[0028]圖5(a)是本發(fā)明中網(wǎng)絡(luò)爬蟲模塊的工作流程示意圖；
[0029]圖5(b)是本發(fā)明中文本分析模塊的工作流程示意圖；
[0030]圖6是本發(fā)明中資源混合推薦模塊的工作流程示意圖；
[0031]圖7是本發(fā)明中網(wǎng)絡(luò)教學(xué)資源的推薦方法中離線處理部分的方法流程圖；
[0032]圖8(a)示出了本發(fā)明網(wǎng)絡(luò)教學(xué)資源的推薦方法中在線處理部分的方法流程圖；
[0033]圖8(b)示出了本發(fā)明中在線處理部分中課程選擇的詳細流程示意圖。
【具體實施方式】
[0034]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照附圖，對本發(fā)明作進一步的詳細說明。
[0035]如圖1所示，本發(fā)明公開了一種網(wǎng)絡(luò)教學(xué)資源的推薦系統(tǒng)，該系統(tǒng)分為數(shù)據(jù)構(gòu)建模塊、離線數(shù)據(jù)處理模塊和在線推薦模塊，由教師行為記錄模塊101、教師模型102、課程模型103、資源模型104、教師動態(tài)描述推理模塊105、資源關(guān)聯(lián)度計算模塊110、課程標簽調(diào)整模塊106和107、資源標簽調(diào)整模塊108和109、課程資源關(guān)聯(lián)度計算模塊111、資源相似性計算模塊112、資源混合推薦模塊113、標簽推薦模塊114和UI交互模塊115，共15個模塊構(gòu)成。其中，教師行為記錄模塊101、教師模型102、課程模型103和資源模型104構(gòu)成數(shù)據(jù)構(gòu)建模塊，是系統(tǒng)的數(shù)據(jù)基礎(chǔ)；教師動態(tài)描述推理模塊105、課程標簽調(diào)整模塊106和107、資源標簽調(diào)整模塊108和109、資源關(guān)聯(lián)度計算模塊110、課程資源關(guān)聯(lián)度計算模塊111、資源相似性計算模塊112構(gòu)成離線數(shù)據(jù)處理模塊，離線數(shù)據(jù)處理模塊從數(shù)據(jù)構(gòu)建模塊獲取相應(yīng)的數(shù)據(jù)，進行分析計算；資源混合推薦模塊113、標簽推薦模塊114和Π交互模塊115構(gòu)成在線推薦模塊，在線推薦模塊在離線模塊分析的基礎(chǔ)上，針對教師在UI界面中的不同行為，搜索資源和資源標簽，并將這些行為收集到數(shù)據(jù)構(gòu)建模塊的教師行為記錄數(shù)據(jù)庫中。下面分別對這些模塊進行介紹。
[0036]教師行為記錄101，用于記錄教師在系統(tǒng)平臺上，進行的各種操作，為個性化推薦提供數(shù)據(jù)基礎(chǔ)。根據(jù)教師的不同行為，可將教師行為記錄分為教師資源行為記錄、教師教學(xué)任務(wù)記錄和教師標簽行為記錄。教師資源行為記錄是記錄教師在Π交互模塊115中，對資源的操作行為，包括下載、評分、收藏、瀏覽，如表I所示，每個教師具有一個教師ID，每個資源也具有資源ID，教師資源行為記錄中關(guān)聯(lián)存儲教師對資源的行為、教師ID、資源ID和操作時間；教師教學(xué)任務(wù)記錄是指教師在Π交互模塊115中，進行的教學(xué)設(shè)計和備課操作，如表2所示，其中關(guān)聯(lián)存儲教師ID、課程ID和教學(xué)任務(wù)內(nèi)容以及操作時間；教師標簽行為記錄是指Π交互模塊115中，教師對推薦的資源標簽進行的操作，包括選擇、修改、刪除，如表3所示，其中關(guān)聯(lián)存儲教師ID、資源ID、推薦標簽、操作后標簽和操作時間。
[0037]表I教師資源行為記錄
【權(quán)利要求】
1.一種網(wǎng)絡(luò)教學(xué)資源推薦系統(tǒng)，其特征在于，包括: 數(shù)據(jù)構(gòu)建模塊，其構(gòu)建教師行為數(shù)據(jù)、教師模型數(shù)據(jù)、課程模型數(shù)據(jù)、資源模型數(shù)據(jù)； 離線數(shù)據(jù)處理模塊，其用于初始化和調(diào)整課程模型數(shù)據(jù)和資源模型數(shù)據(jù)，并利用教師行為數(shù)據(jù)推斷教師身份，根據(jù)教師行為數(shù)據(jù)計算資源之間的關(guān)聯(lián)度，根據(jù)資源模型數(shù)據(jù)計算資源之間的相似度，根據(jù)資源模型數(shù)據(jù)和課程模型數(shù)據(jù)計算課程與資源之間的關(guān)聯(lián)度； 在線推薦模塊，其利用資源之間的關(guān)聯(lián)度、資源之間的相似度、課程與資源的關(guān)聯(lián)度、教師的動態(tài)描述在線推薦資源，還根據(jù)教師對推薦資源的反饋推薦資源標簽，并將教師產(chǎn)生的行為數(shù)據(jù)發(fā)送給數(shù)據(jù)構(gòu)建模塊，以更新教師行為數(shù)據(jù)。
2.如權(quán)利要求1所述的系統(tǒng)，其特征在于， 所述教師行為數(shù)據(jù)包括:教師資源行為記錄、教師教學(xué)任務(wù)記錄和教師標簽行為記錄，其中教師資源行為記錄包括教師對資源的行為，教師教學(xué)任務(wù)記錄包括教師進行的教學(xué)設(shè)計和備課操作，教師標簽行為記錄包括教師對資源標簽的操作； 所述教師模型數(shù)據(jù)包括教師的靜態(tài)描述和動態(tài)描述，靜態(tài)描述指教師的基本信息，動態(tài)描述包括教師所教課程的屬性； 所述課程模型數(shù)據(jù)包括知識樹和課程標簽；所述知識樹采用決策樹結(jié)構(gòu)，為根據(jù)教學(xué)書籍中課程屬性排成的樹狀結(jié)構(gòu)。 所述資源模型包括資源屬性和資源標簽。
3.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述離線數(shù)據(jù)處理模塊包括: 教師動態(tài)描述推理模塊，使用協(xié)同推理方法和基于知識樹的資源內(nèi)容推理方法，根據(jù)k近鄰教師的動態(tài)描述、教師對資源的`操作行為記錄數(shù)據(jù)中涉及到的資源標簽和課程標簽之間的關(guān)聯(lián)度，推理教師的動態(tài)描述； 資源關(guān)聯(lián)度計算模塊，根據(jù)同一教師在預(yù)定時間內(nèi)對資源的操作行為計算資源之間的關(guān)聯(lián)度； 課程標簽調(diào)整模塊，根據(jù)課程模型數(shù)據(jù)中課程名稱從網(wǎng)頁爬取課程相關(guān)網(wǎng)頁，并從中提取課程關(guān)鍵詞作為課程標簽初始化所述課程模型數(shù)據(jù)；根據(jù)教師教學(xué)任務(wù)記錄中教師教學(xué)任務(wù)內(nèi)容特征，使用聚類方法、標簽活躍度倒排法和潛在語義分析對課程標簽進行過濾和擴展； 資源標簽調(diào)整模塊，根據(jù)資源模型數(shù)據(jù)中資源內(nèi)容提取資源標簽，以初始化所述資源模型數(shù)據(jù)；對從教師標簽行為記錄獲取的資源標簽利用標簽活躍度倒排、潛在語義分析和聚類方法統(tǒng)計，過濾和擴展資源標簽； 課程資源關(guān)聯(lián)度計算模塊，使用距離度量方法計算課程標簽和資源標簽的關(guān)聯(lián)度，并使用k近鄰方法或者設(shè)定距離閾值過濾關(guān)聯(lián)度較低的資源，最終輸出資源和課程之間的關(guān)聯(lián)度； 資源相似性計算模塊，使用距離度量方法計算資源標簽之間的距離，使用k近鄰方法或者設(shè)定距離閾值過濾相似度較低的資源，最終輸出資源以及資源之間的相似度。
4.如權(quán)利要求1所述的方法，其中，在線推薦模塊包括: 資源混合推薦模塊，根據(jù)教師輸入的查詢詞，通過匹配資源標簽獲得資源列表，或者根據(jù)教師模型數(shù)據(jù)中的教師動態(tài)描述，得到與該教師動態(tài)描述關(guān)聯(lián)度較高的資源得到資源列表，然后根據(jù)資源列表中的資源計算與其關(guān)聯(lián)度和相似性高于預(yù)定關(guān)聯(lián)度值和相似度值的關(guān)聯(lián)及相似資源，根據(jù)預(yù)設(shè)的權(quán)值對所獲得的關(guān)聯(lián)及相似資源進行加權(quán)運算，得到相關(guān)資源列表，將相關(guān)資源列表中權(quán)重值高于預(yù)定權(quán)重值的資源推薦給教師； 標簽推薦模塊，根據(jù)教師對所推薦資源的操作行為為其反饋該推薦資源的資源標簽；教師行為記錄模塊，用于將教師產(chǎn)生的行為數(shù)據(jù)發(fā)送給數(shù)據(jù)構(gòu)建模塊，以更新教師行為數(shù)據(jù)。
5.—種網(wǎng)絡(luò)教學(xué)資源推薦方法，其特征在于，包括: 數(shù)據(jù)構(gòu)建步驟，其構(gòu)建教師行為數(shù)據(jù)、教師模型數(shù)據(jù)、課程模型數(shù)據(jù)、資源模型數(shù)據(jù)；離線數(shù)據(jù)處理步驟，其用于初始化和調(diào)整課程模型數(shù)據(jù)和資源模型數(shù)據(jù)，并利用教師行為數(shù)據(jù)推斷教師身份，根據(jù)教師行為數(shù)據(jù)計算資源之間的關(guān)聯(lián)度，根據(jù)資源模型數(shù)據(jù)計算資源之間的相似度，根據(jù)資源模型數(shù)據(jù)和課程模型數(shù)據(jù)計算課程與資源之間的關(guān)聯(lián)度；在線推薦步驟，其利用資源之間的關(guān)聯(lián)度、資源之間的相似度、課程與資源的關(guān)聯(lián)度、教師的動態(tài)描述在線推薦資源，還根據(jù)教師對推薦資源的反饋推薦資源標簽，并根據(jù)教師產(chǎn)生的行為數(shù)據(jù)更新教師行為數(shù)據(jù)。
6.如權(quán)利要求5所述的方法，其特征在于， 所述教師行為數(shù)據(jù)包括:教師資源行為記錄、教師教學(xué)任務(wù)記錄和教師標簽行為記錄，其中教師資源行為記錄 包括教師對資源的行為，教師教學(xué)任務(wù)記錄包括教師進行的教學(xué)設(shè)計和備課操作，教師標簽行為記錄包括教師對資源標簽的操作； 所述教師模型數(shù)據(jù)包括教師的靜態(tài)描述和動態(tài)描述，靜態(tài)描述指教師的基本信息，動態(tài)描述包括教師所教課程的屬性； 所述課程模型數(shù)據(jù)包括知識樹和課程標簽；所述知識樹采用決策樹結(jié)構(gòu)，為根據(jù)教學(xué)書籍中課程屬性排成的樹狀結(jié)構(gòu)。 所述資源模型包括資源屬性和資源標簽。
7.如權(quán)利要求5所述的方法，其中，離線數(shù)據(jù)處理步驟包括: 使用協(xié)同推理方法和基于知識樹的資源內(nèi)容推理方法，根據(jù)k近鄰教師的動態(tài)描述、教師資源行為記錄中涉及到的資源標簽和課程標簽之間的關(guān)聯(lián)度，推理教師的動態(tài)描述；并根據(jù)同一教師在預(yù)定時間內(nèi)對資源的操作行為計算資源之問的關(guān)聯(lián)度； 根據(jù)課程模型數(shù)據(jù)中課程名稱從網(wǎng)頁爬取課程相關(guān)網(wǎng)頁，并從中提取課程關(guān)鍵詞作為課程標簽初始化所述課程模型數(shù)據(jù)；根據(jù)教師教學(xué)任務(wù)記錄中教師教學(xué)任務(wù)內(nèi)容特征，使用聚類方法、標簽活躍度倒排法和潛在語義分析對課程標簽進行過濾和擴展； 根據(jù)資源模型數(shù)據(jù)中資源內(nèi)容提取資源標簽，以初始化所述資源模型數(shù)據(jù)；對從教師標簽行為記錄獲取的資源標簽利用標簽活躍度倒排、潛在語義分析和聚類方法統(tǒng)計，過濾和擴展資源標簽； 使用距離度量方法計算課程標簽和資源標簽的關(guān)聯(lián)度，并使用k近鄰方法或者設(shè)定距離閾值過濾關(guān)聯(lián)度較低的資源，最終輸出資源和課程之間的關(guān)聯(lián)度: 使用距離度量方法計算資源標簽之間的距離，使用k近鄰方法或者設(shè)定距離閾值過濾相似度較低的資源，最終輸出資源以及資源之間的相似度。
8.如權(quán)利要求5所述的方法，其中，在線推薦步驟包括: 根據(jù)教師輸入的查詢詞，通過匹配資源標簽獲得資源列表，或者根據(jù)教師模型數(shù)據(jù)中的教師動態(tài)描述，得到與該教師動態(tài)描述關(guān)聯(lián)度較高的資源得到資源列表，然后根據(jù)資源列表中的資源計算與其關(guān)聯(lián)度和相似性高于預(yù)定關(guān)聯(lián)度值和相似度值的關(guān)聯(lián)及相似資源，根據(jù)預(yù)設(shè)的權(quán)值對所獲得的關(guān)聯(lián)及相似資源進行加權(quán)運算，得到相關(guān)資源列表，將相關(guān)資源列表中權(quán)重值高于預(yù)定權(quán)重值的資源推薦給教師； 根據(jù)教師對所推薦資源的操作行為反饋該推薦資源的資源標簽。 根據(jù)教師產(chǎn)生的行為數(shù)據(jù)更新教師行為`數(shù)據(jù)。
【文檔編號】G06F17/30GK103886054SQ201410093793
【公開日】2014年6月25日 申請日期:2014年3月13日 優(yōu)先權(quán)日:2014年3月13日
【發(fā)明者】倪晚成, 張海東, 樊立斌 申請人:中國科學(xué)院自動化研究所, 北京鴻合盛視數(shù)字媒體技術(shù)有限公司