一种教育服务资源云计算平台的制作方法

本发明涉及教育数据处理，尤其涉及一种教育服务资源云计算平台。

背景技术：

1、随着互联网的快速发展，我们进入了信息爆炸时代。当前通过互联网生产教育资源的个体或集体越来越多，相应的提供的资源种类(微课、学案、教案、试题、试卷等)层出不穷，可供选择的数量也越来越多，这么多的资源怎么让需要它的人找到它，满足用户的各种需要，就是摆在人们面前的难题。

2、然而，在现有技术中对教育资源的推荐往往是通过简单筛选实现对教育资源的推荐，而且目前教育资源的推荐都是基于学习者的当前输入数据进行分析然后推荐，不对学习者的历史浏览数据进行参考分析，这就使得对学习者的推荐视频资源不够准确，从而不利于提高视频资源推荐的可靠性与便捷性。

技术实现思路

1、针对现有技术存在的不足，本发明的目的在于提供一种教育服务资源云计算平台，旨在解决上述技术问题。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种教育服务资源云计算平台，包括：

4、信息获取模块，用于获取学习者当前输入数据以及该学习者的历史浏览数据，并对历史浏览数据进行预处理，而后当前输入数据和历史浏览数据发送至服务器中存储；

5、数据处理模块，用于对所述当前输入数据以及历史浏览数据进行处理计算，以得到历史浏览数据中各个视频资源与当前输入数据的适配值；

6、视频评估模块，用于对视频库中的候选视频资源进行评估以获得候选视频资源的得分值；

7、视频推荐模块，用于对历史浏览数据中各个视频资源与当前输入数据的适配值和候选视频资源的得分值进行评估，计算视频库中候选视频资源的推荐分；

8、可视化展示模块，用于将视频库中推荐分最高的候选视频资源推荐展示给学习者。

9、优选地，所述信息获取模块对历史浏览数据进行预处理的步骤如下：

10、对所述历史浏览数据进行数据清洗，得到第一数据集；

11、对所述第一数据集进行数据转换，得到第二数据集；

12、对所述第二数据集进行特征提取，得到第三数据集；

13、对所述第三数据集进行数据集成，得到第四数据集。

14、优选地，所述数据处理模块对所述当前输入数据以及历史浏览数据进行处理计算，以得到历史浏览数据中各个视频资源与当前输入数据的适配值的具体步骤如下：

15、获取得到学习者当前输入的搜索指令；

16、采用文字识别算法对所述搜索指令进行特征提取以得到需求特征向量；

17、获取第四数据集中所有视频资源所对应的视频特征向量；

18、计算各个视频资源特征向量与需求特征向量的相似度值，并对相似度值进行筛选，得到第一同类相似度值；

19、将第一同类相似度值求和，得到相似度总值；

20、则视频资源的适配值通过公式（一）计算得到：

21、（一）

22、其中表示视频资源的适配值，表示第一同类相似度值的总数，且取正整数，表示视频特征向量的第一同类相似度值。

23、优选地，计算各个视频特征向量与需求特征向量的相似度值，并对相似度值进行筛选，得到第一同类相似度值，具体为：

24、通过公式（二）计算各个视频资源特征向量与需求特征向量的相似度值，公式如下：

25、（二）

26、其中表示各个视频特征向量与需求特征向量间的余弦值，表示各个视频特征向量与需求特征向量间的夹角，表示需求特征向量，表示视频特征向量；

27、将相似度值与预设的第一相似度阈值区间进行比较，若相似度值属于第一相似度阈值区间，则将该相似度值标记为第一同类相似度值；若相似度值不属于第一相似度阈值区间，则舍弃该相似度值以及该相似度值所对应的视频资源。

28、优选地，视频评估模块对视频库中的候选视频资源进行评估以获得候选视频资源的得分值，具体为：

29、对视频库中的候选视频资源进行预处理，并获取候选视频资源的特征向量；

30、计算候选视频资源的特征向量与需求特征向量的相似度值，并对相似度值进行筛选，得到第二同类相似度值；

31、通过公式（三）计算候选视频资源的得分值，公式（三）如下：

32、(三)

33、其中表示第二同类相似度值所对应候选视频资源的得分值，表示经过筛选的候选视频资源的第二同类相似度值，表示经过筛选的候选视频资源的点击率，表示经过筛选的候选视频资源的分享次数，表示经过筛选的候选视频资源的反馈评分值，表示候选视频资源与当前输入数据的相似度权重，表示候选视频资源的点击率权重、表示候选视频资源的分享权重、表示候选视频的反馈评分权重，满足+++=1，且大于、和中的任意一个。

34、优选地，计算候选视频资源的特征向量与需求特征向量的相似度值，并对相似度值进行筛选，得到第二同类相似度值，具体为：

35、通过公式（四）计算候选视频资源的特征向量与需求特征向量的相似度值，公式如下:

36、（四）

37、其中表示候选视频资源的特征向量与需求特征向量间的余弦值，表示候选视频资源的特征向量与需求特征向量间的夹角，表示需求特征向量，表示候选视频资源的特征向量；

38、将候选视频资源的相似度值与预设的第二相似度阈值区间进行比较，若相似度值属于第二相似度阈值区间，则将该相似度值标记为第二同类相似度值；若相似度值不属于第二相似度阈值区间，则舍弃该相似度值以及该相似度值所对应的候选视频资源。

39、优选地，视频推荐模块对历史浏览数据中各个视频资源与当前输入数据的适配值和候选视频资源的得分值进行评估，计算视频库中候选视频资源的推荐分，具体如下：

40、获取得到第一同类相似度值所对应的视频资源的特征向量；

41、对第二同类相似度值按照大小顺序排序，并按照绝对值由大到小的顺序抽取前n名第二同类相似度值所对应的候选视频资源的特征向量；

42、计算特征向量与特征向量的相似度，并标记为间接相似度；

43、获取得到特征向量所对应的候选视频资源的间接适配值；

44、视频库中候选视频资源的推荐分通过公式（五）计算，公式（五）如下：

45、（五)

46、其中表示前n名第二同类相似度值所对应的候选视频资源的得分值，表示前n名第二同类相似度值所对应的候选视频资源的间接适配值，得分权重，表示间接适配权重，且+=1，大于1.5。

47、优选地，计算特征向量与特征向量的相似度，并标记为间接相似度，通过公式（六）实现，公式（六）如下：

48、（六）

49、其中前n名第二同类相似度值所对应的候选视频资源的特征向量与视频特征向量的间接相似度，前n名第二同类相似度值所对应的候选视频资源的特征向量与视频特征向量的夹角。

50、优选地，获取得到特征向量所对应的候选视频资源的间接适配值通过公式（七）实现，公式如下：

51、（七）

52、其中表示第一同类相似度值的总数。

53、优选地，所述可视化展示模块将视频库中推荐分最高的候选视频资源推荐展示给学习者具体如下：

54、对视频库中前n名第二同类相似度值所对应的候选视频资源的推荐分进行排序；

55、获取最大的推荐分所对应的候选视频资源，并将该候选视频资源推荐给学习者；

56、实时追踪学习者对该候选视频资源的反馈评分、分享次数和点击率并更新反馈评分权重、分享权重和点击率权重，实现后续对候选视频资源的精准推荐。

57、综上所述，由于采用了上述技术方案，本发明的有益效果是：

58、本发明能够对学习者当前输入数据进行特征提取，通过将当前输入数据与历史浏览数据的比较，从而提取得到与当前输入数据相似的历史视频资源，再通过将视频库中的候选视频分别与学习者的当前输入数据以及历史视频数据进行相似度分析，从而使得再对学习者推荐视频时同时能够考虑到学习者过往的视频资源进行推荐，本发明通过设置有可视化展示模块，从而使得本发明能够将推荐分最高的候选视频展示给学习者，同时能够实时追踪推荐的候选视频的反馈评分、分享次数和点击率并更新反馈评分权重、分享权重和点击率权重，实现对后续对候选视频资源的精准推荐。