【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，涉及一种基于人工智能的学习内容推荐方法及系统。
技术介绍
1、在语言学习等众多学习应用场景中，都需要为用户(如学生)进行学习内容的推荐，使得用户可以进行有效学习。例如，在英语学习中，需要对单词、语句和文章等学习内容进行学习，因此，就需要根据用户的实际需求，为用户推荐相应的单词、语句和文章等学习内容，但是，在现有技术中，一般是在用户未学习过的内容中任意确定出学习内容，以推荐给用户进行学习，如此，就存在着学习内容推荐的可靠度不高的问题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种于人工智能的学习内容推荐方法及系统，以改善现有技术中存在的学习内容推荐的可靠度不高的问题。
2、为实现上述目的，本专利技术实施例采用如下技术方案：
3、一种基于人工智能的学习内容推荐方法，包括：
4、基于多个候选学习内容，构建出对应的学习内容分布图谱，其中，所述学习内容分布图谱由所述多个候选学习内容和所述多个候选学习内容之间的关联关系构成，且在所述学习内容分布图谱中，图谱节点的名称为对应的候选学习内容的名称，图谱节点的属性信息为对应的候选学习内容；
5、在所述多个候选学习内容中确定出两个候选学习内容，作为目标学习用户的感兴趣学习内容，并基于两个所述感兴趣学习内容，在所述学习内容分布图谱中进行感兴趣内容扩展，以形成至少一个感兴趣内容扩展组合，其中，每一个所述感兴趣内容扩展组合包括两个所述感兴趣学习内容；
6
7、基于对应的所述内容推荐结果，在所述至少一个感兴趣内容扩展组合中，确定目标感兴趣内容扩展组合，并基于所述目标感兴趣内容扩展组合包括的学习内容，对所述目标学习用户进行学习内容推荐操作。
8、在一些优选的实施例中，在上述基于人工智能的学习内容推荐方法中，所述基于多个候选学习内容，构建出对应的学习内容分布图谱的步骤，包括：
9、基于所述多个候选学习内容，确定出对应的多个图谱节点，其中，所述多个图谱节点和所述多个候选学习内容之间具有一一对应的关系；
10、针对每两个图谱节点，对该两个图谱节点对应的两个候选学习内容进行语义相似度的计算，得到该两个图谱节点对应的语义相似度；
11、针对每两个图谱节点，对该两个图谱节点对应的学习用户集合进行重合度计算，得到该两个图谱节点对应的用户重合度，其中，所述学习用户集合是指在历史上学习过或推荐过的历史学习用户的集合；
12、针对每两个图谱节点，基于该两个图谱节点对应的语义相似度和用户重合度，确定出该两个图谱节点之间是否具有相关关系，并在该两个图谱节点之间不具有相关关系时，确定不对该两个图谱节点进行关联配置，或者，在该两个图谱节点之间具有相关关系时，对该两个图谱节点进行关联配置，以形成对应的学习内容分布图谱，其中，在所述学习内容分布图谱中，关联配置的两个图谱节点之间具有关联线段。
13、在一些优选的实施例中，在上述基于人工智能的学习内容推荐方法中，所述在所述多个候选学习内容中确定出两个候选学习内容，作为目标学习用户的感兴趣学习内容，并基于两个所述感兴趣学习内容，在所述学习内容分布图谱中进行感兴趣内容扩展，以形成至少一个感兴趣内容扩展组合的步骤，包括：
14、响应于目标学习用户进行的选择操作，在所述多个候选学习内容中确定出两个候选学习内容，作为目标学习用户的感兴趣学习内容，或者，基于所述目标学习用户的历史学习数据，在所述多个候选学习内容中确定出两个候选学习内容，作为目标学习用户的感兴趣学习内容；
15、将两个所述感兴趣学习内容中的一个感兴趣学习内容确定为第一感兴趣学习内容，并将将两个所述感兴趣学习内容中的另一个感兴趣学习内容确定为第二感兴趣学习内容；
16、从所述第一感兴趣学习内容开始，在所述学习内容分布图谱中进行游走，直到游走到所述第二感兴趣学习内容，以形成至少一条游走序列，其中，在每一条所述游走序列中，都不包括相同的两个候选学习内容或图谱节点，在形成有多条游走序列时，每两条所述游走序列之间至少部分不同；
17、基于所述至少一条游走序列，形成至少一个感兴趣内容扩展组合。
18、在一些优选的实施例中，在上述基于人工智能的学习内容推荐方法中，所述利用目标学习内容推荐网络，分别对每一个所述感兴趣内容扩展组合进行内容推荐处理，得到对应的内容推荐结果的步骤，包括：
19、利用目标学习内容推荐网络，将所述至少一个感兴趣内容扩展组合进行内容挖掘操作，形成所述至少一个感兴趣内容扩展组合中的每一个感兴趣内容扩展组合的学习内容全局向量集和学习内容扩展向量，其中，所述学习内容全局向量集中的学习内容全局向量作为对应的感兴趣内容扩展组合中的各候选学习内容的语义向量，所述学习内容扩展向量作为对应的感兴趣内容扩展组合中的各候选学习内容在所述学习内容分布图谱中的关联扩展学习内容的语义向量；
20、对于所述至少一个感兴趣内容扩展组合中的每一个感兴趣内容扩展组合，利用所述目标学习内容推荐网络，对该感兴趣内容扩展组合对应的学习内容全局向量集和学习内容扩展向量进行聚焦合并操作，形成该感兴趣内容扩展组合对应的学习内容聚焦合并向量；
21、对于所述至少一个感兴趣内容扩展组合中的每一个感兴趣内容扩展组合，利用所述目标学习内容推荐网络，对该感兴趣内容扩展组合对应的学习内容聚焦合并向量进行内容推荐处理，形成该感兴趣内容扩展组合对应的内容推荐结果。
22、在一些优选的实施例中，在上述基于人工智能的学习内容推荐方法中，所述利用目标学习内容推荐网络，将所述至少一个感兴趣内容扩展组合进行内容挖掘操作，形成所述至少一个感兴趣内容扩展组合中的每一个感兴趣内容扩展组合的学习内容全局向量集和学习内容扩展向量的步骤，包括：
23、对于任意一个所述感兴趣内容扩展组合执行以下操作：
24、利用目标学习内容推荐网络包括的内容挖掘子网络进行内容挖掘操作，形成所述感兴趣内容扩展组合中各个候选学习内容分别对应的候选学习内容语义向量和候选学习内容分布向量，以及，形成所述感兴趣内容扩展组合对应的学习内容扩展向量，其中，所述候选学习内容语义向量用于反映所述候选学习内容自身的语义信息，所述候选学习内容分布向量用于反映所述候选学习内容在所述感兴趣内容扩展组合中的分布关系信息；
25、利用所述目标学习内容推荐网络包括的内容关联合并子网络，将各个候选学习内容语义向量、各个候选学习内容分布向量和所述学习内容扩展向量进行关联合并操作，形成所述感兴趣内容扩展组合对应的学习内容全局向量集。
26、在一些优选的实施例中，在上述基于人工智能的学习内容推本文档来自技高网...
【技术保护点】
1.一种基于人工智能的学习内容推荐方法，其特征在于，包括：
2.如权利要求1所述的基于人工智能的学习内容推荐方法，其特征在于，所述基于多个候选学习内容，构建出对应的学习内容分布图谱的步骤，包括：
3.如权利要求1所述的基于人工智能的学习内容推荐方法，其特征在于，所述在所述多个候选学习内容中确定出两个候选学习内容，作为目标学习用户的感兴趣学习内容，并基于两个所述感兴趣学习内容，在所述学习内容分布图谱中进行感兴趣内容扩展，以形成至少一个感兴趣内容扩展组合的步骤，包括：
4.如权利要求1所述的基于人工智能的学习内容推荐方法，其特征在于，所述利用目标学习内容推荐网络，分别对每一个所述感兴趣内容扩展组合进行内容推荐处理，得到对应的内容推荐结果的步骤，包括：
5.如权利要求4所述的基于人工智能的学习内容推荐方法，其特征在于，所述利用目标学习内容推荐网络，将所述至少一个感兴趣内容扩展组合进行内容挖掘操作，形成所述至少一个感兴趣内容扩展组合中的每一个感兴趣内容扩展组合的学习内容全局向量集和学习内容扩展向量的步骤，包括：
6.如权利要求5
7.如权利要求5所述的基于人工智能的学习内容推荐方法，其特征在于，所述利用所述目标学习内容推荐网络包括的内容关联合并子网络，将各个候选学习内容语义向量、各个候选学习内容分布向量和所述学习内容扩展向量进行关联合并操作，形成所述感兴趣内容扩展组合对应的学习内容全局向量集的步骤，包括：
8.如权利要求4所述的基于人工智能的学习内容推荐方法，其特征在于，所述对于所述至少一个感兴趣内容扩展组合中的每一个感兴趣内容扩展组合，利用所述目标学习内容推荐网络，对该感兴趣内容扩展组合对应的学习内容全局向量集和学习内容扩展向量进行聚焦合并操作，形成该感兴趣内容扩展组合对应的学习内容聚焦合并向量的步骤，包括：
9.如权利要求4所述的基于人工智能的学习内容推荐方法，其特征在于，所述对于所述至少一个感兴趣内容扩展组合中的每一个感兴趣内容扩展组合，利用所述目标学习内容推荐网络，对该感兴趣内容扩展组合对应的学习内容聚焦合并向量进行内容推荐处理，形成该感兴趣内容扩展组合对应的内容推荐结果的步骤，包括：
10.一种基于人工智能的学习内容推荐系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1-9任意一项所述的基于人工智能的学习内容推荐方法。
...【技术特征摘要】
1.一种基于人工智能的学习内容推荐方法，其特征在于，包括：
2.如权利要求1所述的基于人工智能的学习内容推荐方法，其特征在于，所述基于多个候选学习内容，构建出对应的学习内容分布图谱的步骤，包括：
3.如权利要求1所述的基于人工智能的学习内容推荐方法，其特征在于，所述在所述多个候选学习内容中确定出两个候选学习内容，作为目标学习用户的感兴趣学习内容，并基于两个所述感兴趣学习内容，在所述学习内容分布图谱中进行感兴趣内容扩展，以形成至少一个感兴趣内容扩展组合的步骤，包括：
4.如权利要求1所述的基于人工智能的学习内容推荐方法，其特征在于，所述利用目标学习内容推荐网络，分别对每一个所述感兴趣内容扩展组合进行内容推荐处理，得到对应的内容推荐结果的步骤，包括：
5.如权利要求4所述的基于人工智能的学习内容推荐方法，其特征在于，所述利用目标学习内容推荐网络，将所述至少一个感兴趣内容扩展组合进行内容挖掘操作，形成所述至少一个感兴趣内容扩展组合中的每一个感兴趣内容扩展组合的学习内容全局向量集和学习内容扩展向量的步骤，包括：
6.如权利要求5所述的基于人工智能的学习内容推荐方法，其特征在于，所述利用目标学习内容推荐网络包括的内容挖掘子网络进行内容挖掘操作，形成所述感兴趣内容扩展组合中各个候选学习内容分别对应的候选学习内容语义向量和候选学习内容分布向量...
【专利技术属性】
技术研发人员：李爽，
申请(专利权)人：壹加壹天津教育科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。