一种基于用户特征的智慧教育方案推送方法及系统

专利主权项内容

1.一种基于用户特征的智慧教育方案推送方法，其特征在于，包括以下步骤：获取目标用户的个人信息，并对目标用户的个人信息进行分析，基于分析结果评定目标用户的学科学习状态；当目标用户对于不合格学科的学习状态处于一类学习状态，则获取目标用户在不合格学科上的薄弱学习阶段，并对薄弱学习阶段对应的教学方案进行分析筛选，得到第一智慧教育方案；当目标用户对于不合格学科的学习状态处于二类学习状态，则获取辅助学科，并对辅助学科和不合格学科的教学方案进行筛选和数据融合，得到第二智慧教育方案；分析目标用户的历史登录信息，得到第一可推送时间点和第二可推送时间点，并根据第一可推送时间点和第二可推送时间点向目标用户推送对应的智慧教育方案；实时分析目标用户对目标推送内容的学习情况，基于学习情况分析结果对目标用户进行学习效果评估，并根据学习效果评估结果对目标推送内容进行优化；其中，所述当目标用户对于不合格学科的学习状态处于一类学习状态，则获取目标用户在不合格学科上的薄弱学习阶段，并对薄弱学习阶段对应的教学方案进行分析筛选，得到第一智慧教育方案，具体为：若目标用户对于不合格学科的学习状态处于一类学习状态，则基于目标用户对不同学科的学习历史，获取目标用户在不合格学科内各学习阶段的学习成绩，并将学习成绩低于预设值的不合格学科学习阶段定义为薄弱学习阶段；在大数据网络中，获取所有薄弱学习阶段教学方案，且不同的薄弱学习阶段教学方案中均包含若干教学子方案；在智慧教育网站中获取所有薄弱学习阶段教学方案中所有教学子方案的评价信息，并在大数据网络中获取言语情感分析知识图谱，将所有薄弱学习阶段教学方案中所有教学子方案的评价信息导入言语情感分析知识图谱中进行评价信息评分；将评价信息评分低于预设值的教学子方案剔除，选取评价信息评分高于预设值的教学子方案，定义为合格教学子方案；将所述合格教学子方案转变为合格教学子方案特征数据，引入余弦度量算法计算各合格教学子方案特征数据之间的相似度，并基于各合格教学子方案特征数据之间的相似度，对合格教学子方案进行类型划分；对同类型的合格教学子方案进行评价信息评分倒序排序，并在同类型的合格教学子方案中将评价信息评分最高的合格教学子方案定义为合适教学子方案；将所有的合适教学子方案进行数据融合，得到第一智慧教育方案；其中，所述当目标用户对于不合格学科的学习状态处于二类学习状态，则获取辅助学科，并对辅助学科和不合格学科的教学方案进行筛选和数据融合，得到第二智慧教育方案，具体为：若目标用户对于不合格学科的学习状态处于二类学习状态，则获取所有一类偏好学科的教学性质，并获取不合格学科的教学性质；将所有一类偏好学科的教学性质转变为一类偏好学科教学性质特征数据，同时将不合格学科的教学性质转变为不合格学科教学性质特征数据，构建共现矩阵，并将所有一类偏好学科教学性质特征数据与不合格学科教学性质特征数据导入至共现矩阵中进行分析；预设标准共现次数，若在共现矩阵中，存在一类偏好学科教学性质特征数据与不合格学科教学性质特征数据的共现次数大于标准共现次数，则将对应的一类偏好学科定义为辅助学科；获取辅助学科的所有教学方案和不合格学科的所有教学方案，分别提取辅助学科中不同教学方案的主题特征信息，以及不合格学科中不同教学方案的主题特征信息；将目标用户的个人兴趣爱好导入深度学习网络中进行预测，得到目标用户偏好主题特征信息，计算目标用户偏好主题特征信息与辅助学科中不同教学方案的主题特征信息的欧氏距离，以及计算目标用户偏好主题特征信息与不合格学科中不同教学方案的主题特征信息的欧氏距离；预设欧氏距离标准区间，将欧氏距离在欧氏距离标准区间内的辅助学科教学方案定义为待定辅助学科教学方案，并将欧氏距离在欧氏距离标准区间内的不合格学科教学方案定义为待定不合格学科教学方案；获取待定辅助学科教学方案和待定不合格学科教学方案的评价信息评分，将评价信息评分最高的待定辅助学科教学方案和待定不合格学科教学方案分别定义为第一辅助学科教学方案和第一不合格学科教学方案；将所述第一辅助学科教学方案和第一不合格学科教学方案进行数据融合，得到第二智慧教育方案。