公开(公告)号：CN110929161B

公开(公告)日：2023-04-07

申请号：CN201911212608.X

申请日：2019-12-02

Applicant: 南京莱斯网信技术研究院有限公司

Inventor： 龚少麟 ,  贲伟 ,  赵文涛

IPC: G06F16/9535 ,  G06F18/23213 ,  G06Q50/20

Abstract: 本发明公开了一种面向大规模用户的个性化教学资源推荐方法，包括：获取用户交互数据，对用户交互数据进行数据预处理，获得用户资源评分矩阵；对用户资源评分矩阵进行特征降维，获得用户的教学资源特征矩阵；对教学资源特征矩阵进行聚类，获得教学资源聚类，并对教学资源聚类中的教学资源进行排序；获取用户对所有教学资源的评分，依次利用教学资源兴趣度模型，计算得到用户对教学资源的兴趣度，根据所述兴趣度对所有教学资源降序排列，生成教学资源推荐列表。相较于现有技术，本发明能够为大量用户提供快速准确的数字化教学资源推荐服务，增强用户体验，为智慧校园教学资源的个性化利用提供了一套有效的解决方案。

公开(公告)号：CN110929161A

公开(公告)日：2020-03-27

申请号：CN201911212608.X

申请日：2019-12-02

Applicant: 南京莱斯网信技术研究院有限公司

Inventor： 龚少麟 ,  贲伟 ,  赵文涛

IPC: G06F16/9535 ,  G06K9/62 ,  G06Q50/20

Abstract: 本发明公开了一种面向大规模用户的个性化教学资源推荐方法，包括：获取用户交互数据，对用户交互数据进行数据预处理，获得用户资源评分矩阵；对用户资源评分矩阵进行特征降维，获得用户的教学资源特征矩阵；对教学资源特征矩阵进行聚类，获得教学资源聚类，并对教学资源聚类中的教学资源进行排序；获取用户对所有教学资源的评分，依次利用教学资源兴趣度模型，计算得到用户对教学资源的兴趣度，根据所述兴趣度对所有教学资源降序排列，生成教学资源推荐列表。相较于现有技术，本发明能够为大量用户提供快速准确的数字化教学资源推荐服务，增强用户体验，为智慧校园教学资源的个性化利用提供了一套有效的解决方案。

公开(公告)号：CN112149884A

公开(公告)日：2020-12-29

申请号：CN202010928263.4

申请日：2020-09-07

Applicant: 南京莱斯网信技术研究院有限公司

Inventor： 龚少麟 ,  满青珊 ,  赵文涛 ,  郝路遥 ,  王骏

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/20 ,  G06K9/62

Abstract: 本发明提供了一种面向大规模学员的学业预警监测方法，在对预测方法和大数据处理平台研究的基础上，针对目前智慧教学应用中学员差异化分析、个性化教学方法的不足，提出了一种有效的解决方案，即基于并行计算框架和学习预测算法，建立了离线学习预测模型，该方案包括特征处理、建模准备、模型训练和模型部署四个阶段。学习预测过程实现了一个基于Spark和HBase的大规模实时学习预测系统。并基于预测结果对风险学员(预测为挂科的学员)进行重点监测，寻找风险点。风险学员监测过程包含风险群体聚类分析，聚类分析的目的在于发掘各风险学员的风险点，便于针对不同的学员群体提供建议。