一种基于人工智能的资源搜索推送系统及方法技术方案

本发明专利技术公开了一种基于人工智能的资源搜索推送系统及方法，步骤S100：将目标用户在学习具备课后练习的课程资源时的学习记录作为目标记录；对目标记录对应课程资源的知识点分布情况进行解析；步骤S200：筛选目标知识点；步骤S300：对目标用户在学习目标知识点时的状态特征进行提取；步骤S400：捕捉目标用户对知识点的掌握程度达不到系统最低要求时所呈现出的各项状态特征；步骤S500：根据目标用户输入的搜索关键词在海量的学习资源库中完成课程资源的调取；将所有调取到的课程资源基于与目标用户之间的适配度进行推送排序；步骤S600：资源搜索推送系统对目标用户在学习其选取的课程资源时的状态进行监测。课程资源时的状态进行监测。课程资源时的状态进行监测。

【技术实现步骤摘要】
一种基于人工智能的资源搜索推送系统及方法


[0001]本专利技术涉及人工智能
，具体为一种基于人工智能的资源搜索推送系统及方法。

技术介绍

[0002]现有技术中，课程资源的推送往往只能根据用户输入的关键信息进行对应推送，但是在互联网大数据时代，与关键信息匹配的资源数量往往都是巨大的，用户在匹配得到的各资源中完成资源挑选往往具有一定的盲目性，在一定程度上会对用户造成时间上的浪费；且每个人的学习能力是不一样的，对应的与之相适配的课程风格也是不一样的，用户只有在适配的前提下可以呈现出最佳的学习状态，实现学习事半功倍的效果。

技术实现思路

[0003]本专利技术的目的在于提供一种基于人工智能的资源搜索推送系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的资源搜索推送方法，其特征在于，资源搜索推送方法包括：
[0005]步骤S100：捕捉目标用户的历史课程资源学习记录；在历史课程资源学习记录中将目标用户在学习具备课后练习的课程资源时的学习记录作为目标记录；基于目标记录中的课后练习内容对每一目标记录对应课程资源的知识点分布情况进行解析；
[0006]步骤S200：基于目标记录对应课程资源的知识点分布情况以及目标用户对各知识点的掌握情况筛选出在每一目标记录中对应的目标知识点；目标知识点是指在对应的课程资源的所有知识点中目标用户掌握程度最好的知识点；
[0007]步骤S300：利用人工智能技术对目标用户在学习目标知识点时的状态特征进行提取，设定状态特征为目标用户的最佳状态特征；
[0008]步骤S400：利用人工智能技术捕捉目标用户对知识点的掌握程度达不到系统最低要求时所呈现出的各项状态特征，设定各项状态特征为目标用户的各欠佳状态特征项；
[0009]步骤S500：资源搜索推送系统根据目标用户输入的搜索关键词在海量的学习资源库中完成课程资源的调取；将所有调取到的课程资源基于与目标用户之间的适配度按照从高到低进行推送列表的排序；资源搜索推送系统将推送列表对目标用户进行展示，目标用户完成课程资源的选取；
[0010]步骤S600：资源搜索推送系统对目标用户在学习其选取的课程资源时的状态进行监测，当目标用户出现欠佳状态特征时对目标用户发出预警提示；目标用户可在预警提示下选择自我状态调整或者重新选择其他课程资源。
[0011]进一步的，步骤S100对每一目标记录对应课程资源的知识点分布情况进行解析的过程包括：
[0012]步骤S101：分别提取在各目标记录中对应的课后练习内容，对课后练习内容内各
练习题包含的知识点进行解析得到各练习题对应的知识点集合；对各练习题对应的知识点集合进行遍历；
[0013]步骤S102：将知识点集合内含有知识点种类数为1的练习题作为第一练习题，将所有第一练习题汇成集合A＝{a1，a2，
…
，an}；其中，a1、a2、
…
、an分别表示集合A内第1、2、
…
、n个第一练习题；其中n表示自然数；将知识点集合内含有的知识点种类数大于或等于2的练习题作为第二练习题，将所有第二练习题汇成集合B＝{b1，b2，
…
，bm}；其中，b1、b2、
…
、bm分别表示集合B内第1、2、
…
、m个第二练习题；其中m表示自然数；
[0014]上述从课程资源对应的练习题中解析出相应的知识点分布情况，是为了直观的掌握课程资源内容中涉及的各知识点，且通过基于各练习题中涵盖的知识点种类对各练习题进行分类是为了后续步骤对各知识点在课程资源中的占比情况以及目标用户对各知识点的掌握情况进行分析提供了技术铺垫。
[0015]进一步的，步骤S200对每一目标记录中筛选对应目标知识点的过程包括：
[0016]步骤S201：分别计算集合A内第i个第一练习题ai的难度系数P
ai
＝1
‑
(z
ai
/w
ai
)；其中，z
ai
表示历史记录中不同用户对ai的平均得分；w
ai
表示ai对应的总分；分别计算集合B内第j个第二练习题aj的综合难度系数P
aj
＝1
‑
(z
aj
/w
aj
)；其中，z
aj
表示历史记录中不同用户对aj的平均得分；w
aj
表示aj对应的总分；
[0017]步骤S202：在集合A内分别将含有知识点种类相同的第一练习题进行分别汇集，得到若干个子集合；分别将若干个子集合内的各第一练习题按照难度系数从小到大进行排序；一个子集合内含有一种知识点；计算目标用户对第k个知识点的掌握程度值的范围区间：间：其中，表示在第k个知识点对应的子集合内出现的第一种难度系数值；表示目标用户在第k个知识点对应难度系数值为的第一练习题的得分；表示在第k个知识点对应的子集合内出现的第r种难度系数值；表示目标用户在第k个知识点对应难度系数值为的第一练习题的得分；若对应第k个知识点相同难度系数值的第一练习题的个数大于等于2，则目标用户在第k个知识点对应相同难度系数值的第一练习题的得分为平均得分；
[0018]步骤S203：设定最小掌握程度值，分别在目标用户对第k个知识点的掌握程度值值的范围区间内将小于最小掌握程度值的掌握程度值进行剔除；对剩下的掌握程度值提取难度系数值，并分别将所有提取到的难度系数值按照从低到高进行排序分别得到若干个子集合对应的知识点的难度系数值范围其中，表示在若干个子集合对应的知识点中出现的最低难度系数值；表示在若干个子集合对应的知识点中出现的最高难度系数值；分别计算若干个子集合对应的知识点的难度系数值跨度
[0019]步骤S204：将所有子集合按照难度系数值跨度f从大到小进行排序，将难度系数值跨度f最大的子集合作为目标子集合，将目标子集合对应的知识点作为目标知识点；若难度跨度f最大的子集合个数大于1，将最高难度系数值w
high
大的子集合作为目标子集合，将目标子集合对应的知识点作为目标知识点；若最高难度系数值w
high
出现相等的情况，分别调
取包含相等最高难度系数值w
high
的子集合对应的知识点的若干第二练习题，分别计算若干第二练习题的综合难度系数值范围其中，表示在若干第二练习题对应的全部综合难度系数值中出现的最低综合难度系数值；表示在若干第二练习题对应的全部综合难度系数值中出现的最高综合难度系数值；分别计算若干第二练习题的综合难度系数值跨度将对应的综合难度系数值跨度f2大的子集合作为目标子集合，将目标子集合对应的知识点作为目标知识点；
[0020]上述步骤中先计算出各第一练习题和第二练习题体现的难度系数值，获取目标用户在各难度系数值对应的练习题中的得分情况，基于难度系数值和对应的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的资源搜索推送方法，其特征在于，所述资源搜索推送方法包括：步骤S100：捕捉目标用户的历史课程资源学习记录；在所述历史课程资源学习记录中将目标用户在学习具备课后练习的课程资源时的学习记录作为目标记录；基于所述目标记录中的课后练习内容对每一所述目标记录对应课程资源的知识点分布情况进行解析；步骤S200：基于所述目标记录对应课程资源的知识点分布情况以及目标用户对各知识点的掌握情况筛选出在每一目标记录中对应的目标知识点；所述目标知识点是指在对应的课程资源的所有知识点中目标用户掌握程度最好的知识点；步骤S300：利用人工智能技术对目标用户在学习所述目标知识点时的状态特征进行提取，设定所述状态特征为目标用户的最佳状态特征；步骤S400：利用人工智能技术捕捉目标用户对知识点的掌握程度达不到系统最低要求时所呈现出的各项状态特征，设定所述各项状态特征为目标用户的各欠佳状态特征项；步骤S500：资源搜索推送系统根据目标用户输入的搜索关键词在海量的学习资源库中完成课程资源的调取；将所有调取到的课程资源基于与目标用户之间的适配度按照从高到低进行推送列表的排序；所述资源搜索推送系统将推送列表对目标用户进行展示，目标用户完成课程资源的选取；步骤S600：所述资源搜索推送系统对目标用户在学习其选取的课程资源时的状态进行监测，当所述目标用户出现欠佳状态特征时对目标用户发出预警提示；目标用户可在所述预警提示下选择自我状态调整或者重新选择其他课程资源。2.根据权利要求1所述的一种基于人工智能的资源搜索推送方法，其特征在于，所述步骤S100对每一目标记录对应课程资源的知识点分布情况进行解析的过程包括：步骤S101：分别提取在各所述目标记录中对应的课后练习内容，对所述课后练习内容内各练习题包含的知识点进行解析得到各练习题对应的知识点集合；对所述各练习题对应的知识点集合进行遍历；步骤S102：将知识点集合内含有知识点种类数为1的练习题作为第一练习题，将所有第一练习题汇成集合A＝{a1，a2，
…
，an}；其中，a1、a2、
…
、an分别表示集合A内第1、2、
…
、n个第一练习题；其中n表示自然数；将知识点集合内含有的知识点种类数大于或等于2的练习题作为第二练习题，将所有第二练习题汇成集合B＝{b1，b2，
…
，bm}；其中，b1、b2、
…
、bm分别表示集合B内第1、2、
…
、m个第二练习题；其中m表示自然数。3.根据权利要求1所述的一种基于人工智能的资源搜索推送方法，其特征在于，所述步骤S200对每一目标记录中筛选对应目标知识点的过程包括：步骤S201：分别计算集合A内第i个所述第一练习题ai的难度系数P
ai
＝1
‑
(z
ai
/w
ai
)；其中，z
ai
表示历史记录中不同用户对ai的平均得分；w
ai
表示ai对应的总分；分别计算集合B内第j个所述第二练习题aj的综合难度系数P
aj
＝1
‑
(z
aj
/w
aj
)；其中，z
aj
表示历史记录中不同用户对aj的平均得分；w
aj
表示aj对应的总分；步骤S202：在集合A内分别将含有知识点种类相同的第一练习题进行分别汇集，得到若干个子集合；分别将所述若干个子集合内的各第一练习题按照难度系数从小到大进行排序；一个子集合内含有一种知识点；计算目标用户对第k个知识点的掌握程度值的范围区间：其中，表示在第k个知识点对应的子集合内出现的
第一种难度系数值；表示目标用户在第k个知识点对应难度系数值为的第一练习题的得分；表示在第k个知识点对应的子集合内出现的第r种难度系数值；表示目标用户在第k个知识点对应难度系数值为的第一练习题的得分；若对应所述第k个知识点相同难度系数值的第一练习题的个数大于等于2，则目标用户在第k个知识点对应相同难度系数值的第一练习题的得分为平均得分；步骤S203：设定最小掌握程度值，分别在目标用户对第k个知识点的掌握程度值值的范围区间内将小于所述最小掌握程度值的掌握程度值进行剔除；对剩下的掌握程度值提取难度系数值，并分别将所有提取到的难度系数值按照从低到高进行排序分别得到若干个子集合对应的知识点的难度系数值范围其中，表示在所述若干个子集合对应的知识点中出现的最低难度系数值；表示在所述若干个子集合对应的知识点中出现的最高难度系数值；分别计算若干个子集合对应的知识点的难度系数值跨度出现的最高难度系数值；分别计算若干个子集合对应的知识点的难度系数值跨度步骤S204：将所有子集合按照难度系数值跨度f从大到小进行排序，将难度系数值跨度f最大的子集合作为目标子集合，将所述目标子集合对应的知识点作为目标知识点；若所述难度跨度f最大的子集合个数大于1，将最高难度系数值w
high
大的子集合作为目标子集合，将所述目标子集合对应的知识点作为目标知识点；若最高难度系数值w
high
出现相等的情况，分别调取包含相等最高难度系数值w
high
的子集合对应的知识点的若干第二练习题，分别计算所述若干第二练习题的综合难度系数值范围其中，表示在所述若干第二练习题对应的全部综合难度系数值中出现的最低综合难度系数值；表示在所述若干第二练习题对应的全部综合难度系数值中出现的最高综合难度系数值；分别计算若干第二练习题的综合难度系数值跨度将对应的综合难度系数值跨度f2大的子集合作为目标子集合，将所述目标子集合对应的知识点作为目标知识点。4.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：余意，易建强，
申请(专利权)人：江苏中科小达人智能科技有限公司，
类型：发明
国别省市：