本發(fā)明涉及智慧教學(xué)，特別是涉及一種基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)。

背景技術(shù)：

1、隨著信息技術(shù)的飛速發(fā)展，數(shù)字化教學(xué)資源在教育領(lǐng)域的應(yīng)用日益廣泛。然而，面對海量的數(shù)字化教學(xué)資源，如何精準(zhǔn)、高效地為用戶推薦符合其需求和學(xué)習(xí)習(xí)慣的資源，成為了一個(gè)亟待解決的問題。傳統(tǒng)的資源推薦方式往往依賴于人工篩選或簡單的關(guān)鍵詞匹配，這種方式不僅效率低下，而且難以準(zhǔn)確捕捉用戶的個(gè)性化需求。

2、為了克服這一難題，近年來，基于人工智能的數(shù)字化教學(xué)資源推薦系統(tǒng)應(yīng)運(yùn)而生。這類系統(tǒng)通過采集和分析用戶的行為數(shù)據(jù)，提取用戶的特征信息，進(jìn)而構(gòu)建資源索引，實(shí)現(xiàn)資源的精準(zhǔn)推薦。然而，現(xiàn)有的推薦系統(tǒng)仍存在一些不足。例如，一些系統(tǒng)僅依賴于單一的推薦算法，如協(xié)同過濾或內(nèi)容推薦，這導(dǎo)致推薦結(jié)果的準(zhǔn)確性和多樣性受到限制。此外，部分系統(tǒng)在特征提取和資源索引構(gòu)建方面缺乏深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的應(yīng)用，使得推薦系統(tǒng)的智能化程度和推薦效果有待提升。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，能夠提升內(nèi)容推薦準(zhǔn)確性。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，包括：

4、數(shù)據(jù)采集端口，用于利用網(wǎng)絡(luò)爬蟲在網(wǎng)上對使用者的行為數(shù)據(jù)進(jìn)行提取，得到目標(biāo)歷史數(shù)據(jù)；所述行為數(shù)據(jù)包括學(xué)習(xí)目的、學(xué)習(xí)時(shí)間、學(xué)習(xí)進(jìn)度、互動頻率和作業(yè)完成情況；

5、特征提取單元，用于對所述目標(biāo)歷史數(shù)據(jù)進(jìn)行特征提取，得到目標(biāo)關(guān)注特征；所述目標(biāo)關(guān)注特征用于描述學(xué)習(xí)習(xí)慣、興趣偏好和能力水平；

6、索引構(gòu)建單元，用于根據(jù)所述目標(biāo)關(guān)注特征和載入的數(shù)字化教學(xué)資源建立資源索引；

7、資源推薦單元，用于根據(jù)混合推薦算法構(gòu)建資源推薦模型，并利用所述資源索引和所述資源推薦模型進(jìn)行內(nèi)容推送；所述混合推薦算法包括協(xié)同過濾算法和內(nèi)容推薦算法；所述資源推薦模型由深度神經(jīng)網(wǎng)絡(luò)進(jìn)行構(gòu)建；

8、顯示終端，用于對所述資源索引及對應(yīng)的推送內(nèi)容進(jìn)行可視化展示。

9、可選地，所述數(shù)據(jù)采集端口包括與互聯(lián)網(wǎng)連接的rs-485接口和lora網(wǎng)關(guān)；其中，所述lora網(wǎng)關(guān)采用lora協(xié)議自組網(wǎng)通信進(jìn)行數(shù)據(jù)傳輸。

10、可選地，所述特征提取單元，具體包括：

11、預(yù)處理模塊，用于對所述目標(biāo)歷史數(shù)據(jù)進(jìn)行預(yù)處理和數(shù)據(jù)篩除，得到有效數(shù)據(jù)；所述預(yù)處理包括清洗、轉(zhuǎn)換和歸一化；所述數(shù)據(jù)篩除采用篩選算法或布隆過濾器對重復(fù)和無效的數(shù)據(jù)進(jìn)行去除；所述篩選算法包括屬性篩選、關(guān)系篩選和規(guī)則篩選；

12、特征計(jì)算模塊，用于利用tf-idf算法對所述有效數(shù)據(jù)進(jìn)行特征提取，得到對應(yīng)的特征向量，并對各所述特征向量進(jìn)行集合，得到目標(biāo)關(guān)注特征。

13、可選地，所述預(yù)處理模塊中還包括算法存儲子模塊；所述算法存儲子模塊中存儲有篩選算法和布隆過濾器；其中，所述屬性篩選包括關(guān)鍵詞匹配和數(shù)值范圍篩選，所述關(guān)系篩選包括社交關(guān)系篩選和引用關(guān)系篩選，所述規(guī)則篩選包括業(yè)務(wù)規(guī)則篩選和數(shù)據(jù)特性規(guī)則篩選。

14、可選地，所述索引構(gòu)建單元，具體包括：

15、資源特征提取模塊，用于對所述載入的數(shù)字化教學(xué)資源進(jìn)行元數(shù)據(jù)提??；所述元數(shù)據(jù)包括資源的標(biāo)題、作者、摘要、關(guān)鍵詞、學(xué)科分類和難度等級；

16、關(guān)聯(lián)匹配模塊，用于根據(jù)所述目標(biāo)關(guān)注特征和所述元數(shù)據(jù)建立資源索引。

17、可選地，所述資源推薦單元，具體包括：

18、模型構(gòu)建模塊，用于基于所述混合推薦算法和長短時(shí)記憶網(wǎng)路進(jìn)行模型訓(xùn)練，并將訓(xùn)練好的模型確定為資源推薦模型；

19、推薦模塊，用于利用所述資源索引和所述資源推薦模型進(jìn)行內(nèi)容推送。

20、可選地，所述模型構(gòu)建模塊，具體包括：

21、訓(xùn)練數(shù)據(jù)獲取子模塊，用于獲取訓(xùn)練數(shù)據(jù)；

22、模型構(gòu)建子模塊，用于基于所述混合推薦算法和長短時(shí)記憶網(wǎng)路構(gòu)建預(yù)訓(xùn)練模型；

23、模型訓(xùn)練子模塊，用于將所述訓(xùn)練數(shù)據(jù)輸入所述預(yù)訓(xùn)練模型，并以梯度下降策略對所述預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，將訓(xùn)練好的模型確定為資源推薦模型。

24、可選地，所述顯示終端包括個(gè)人計(jì)算機(jī)、筆記本電腦、智能手機(jī)、平板電腦和便攜式可穿戴設(shè)備中的至少一種。

25、根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開了以下技術(shù)效果：

26、本發(fā)明公開了一種基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，所述系統(tǒng)包括依次連接的數(shù)據(jù)采集端口、特征提取單元、索引構(gòu)建單元、資源推薦單元和顯示終端；其中，數(shù)據(jù)采集端口用于利用網(wǎng)絡(luò)爬蟲在網(wǎng)上對使用者的行為數(shù)據(jù)進(jìn)行提取，得到目標(biāo)歷史數(shù)據(jù)；特征提取單元用于對目標(biāo)歷史數(shù)據(jù)進(jìn)行特征提取，得到目標(biāo)關(guān)注特征；索引構(gòu)建單元用于根據(jù)目標(biāo)關(guān)注特征和載入的數(shù)字化教學(xué)資源建立資源索引；資源推薦單元用于根據(jù)混合推薦算法構(gòu)建資源推薦模型，并利用資源索引和資源推薦模型進(jìn)行內(nèi)容推送；顯示終端用于內(nèi)容展示。本發(fā)明能夠克服現(xiàn)有推薦系統(tǒng)的不足，提高資源推薦的準(zhǔn)確性和多樣性，為用戶提供更加個(gè)性化、智能化的學(xué)習(xí)服務(wù)。

技術(shù)特征：

1.一種基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，其特征在于，所述數(shù)據(jù)采集端口包括與互聯(lián)網(wǎng)連接的rs-485接口和lora網(wǎng)關(guān)；其中，所述lora網(wǎng)關(guān)采用lora協(xié)議自組網(wǎng)通信進(jìn)行數(shù)據(jù)傳輸。

3.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，其特征在于，所述特征提取單元，具體包括：

4.根據(jù)權(quán)利要求3所述的基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，其特征在于，所述預(yù)處理模塊中還包括算法存儲子模塊；所述算法存儲子模塊中存儲有篩選算法和布隆過濾器；其中，所述屬性篩選包括關(guān)鍵詞匹配和數(shù)值范圍篩選，所述關(guān)系篩選包括社交關(guān)系篩選和引用關(guān)系篩選，所述規(guī)則篩選包括業(yè)務(wù)規(guī)則篩選和數(shù)據(jù)特性規(guī)則篩選。

5.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，其特征在于，所述索引構(gòu)建單元，具體包括：

6.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，其特征在于，所述資源推薦單元，具體包括：

7.根據(jù)權(quán)利要求6所述的基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，其特征在于，所述模型構(gòu)建模塊，具體包括：

8.根據(jù)權(quán)利要求1所述的基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，其特征在于，所述顯示終端包括個(gè)人計(jì)算機(jī)、筆記本電腦、智能手機(jī)、平板電腦和便攜式可穿戴設(shè)備中的至少一種。

技術(shù)總結(jié)
本發(fā)明公開一種基于人工智能的數(shù)字化教學(xué)資源推薦優(yōu)化系統(tǒng)，涉及智慧教學(xué)技術(shù)領(lǐng)域。所述系統(tǒng)包括依次連接的數(shù)據(jù)采集端口、特征提取單元、索引構(gòu)建單元、資源推薦單元和顯示終端；其中，數(shù)據(jù)采集端口用于利用網(wǎng)絡(luò)爬蟲在網(wǎng)上對使用者的行為數(shù)據(jù)進(jìn)行提取，得到目標(biāo)歷史數(shù)據(jù)；特征提取單元用于對目標(biāo)歷史數(shù)據(jù)進(jìn)行特征提取，得到目標(biāo)關(guān)注特征；索引構(gòu)建單元用于根據(jù)目標(biāo)關(guān)注特征和載入的數(shù)字化教學(xué)資源建立資源索引；資源推薦單元用于根據(jù)混合推薦算法構(gòu)建資源推薦模型，并利用資源索引和資源推薦模型進(jìn)行內(nèi)容推送；顯示終端用于內(nèi)容展示。本發(fā)明能夠克服現(xiàn)有推薦系統(tǒng)的不足，提高資源推薦的準(zhǔn)確性和多樣性，為用戶提供更加個(gè)性化、智能化的學(xué)習(xí)服務(wù)。

技術(shù)研發(fā)人員：張吉武,王茁,李昊
受保護(hù)的技術(shù)使用者：齊齊哈爾大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15