买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：果不其然无障碍科技(苏州)有限公司

摘要：本发明公开了一种手语学习进度跟踪与个性化推荐管理系统及方法，包括：S1、收集手语学习重听者用户基本信息，生成第一学习进度跟踪模型；S2、实时记录对应重听者手语学习过程中的行为数据，判断重听者的重听程度，根据重听程度修正第一学习进度跟踪模型，并得到第二学习进度跟踪模型，得到重听者的学习进度；S3、根据S2中行为数据识别重听者的学习偏好，构建学习偏好度动态评估模型，评估重听者对不同手语学习内容、资源和方法的偏好度；S4、根据S3中输出的偏好度，结合对应重听者的学习进度，为重听者进行个性化学习路径规划；S5、将个性化学习路径规划推送给对应重听者，本发明根据重听者的学习偏好度和学习进度，进行个性化学习路径规划。

主权项：1.一种手语学习进度跟踪与个性化推荐的方法，其特征在于，包括步骤；S1、收集手语学习重听者用户基本信息，生成第一学习进度跟踪模型；S2、实时记录对应重听者手语学习过程中的行为数据，判断重听者的重听程度，根据重听程度修正第一学习进度跟踪模型，并得到第二学习进度跟踪模型，得到重听者的学习进度；S3、根据S2中行为数据识别重听者的学习偏好，构建学习偏好度动态评估模型，评估重听者对不同手语学习内容、资源和方法的偏好度；S4、根据S3中输出的偏好度，结合对应重听者的学习进度，为重听者进行个性化学习路径规划；S5、将个性化学习路径规划推送给对应重听者；步骤S1中，生成第一学习进度跟踪模型的步骤包括：S11、利用重听者基本信息进行相关度分析；S12、对于影响学习进度的基本信息赋予权重；S13、输出第一学习进度跟踪模型；基本信息用作构建第一学习进度跟踪模型的影响因素，对于每个的影响因素Xj和学习进度Y计算皮尔逊相关系数rj：其中，Xij是第i个样本在第j个影响因素上的取值，Yi为第i个样本的学习进度，为所有样本在第j个影响因素上的取值的平均值，为所有样本的学习进度的平均值，n是重听者的样本数量；将相关系数进行标准化处理Sj：m是影响因素的总数；计算每个影响因素的熵值ej：其中，gj＝1-ej，fij是第i个样本在第j个影响因素上的取值，gj是差异系数，Pij是第i个样本对每个影响因素Xj的比值；结合相关度调整，差异系数，gj′＝gj·|rj|；使用调整后的差异系数来计算每个指标的权重：计算出权重后，得到对应的第一学习进度跟踪模型：P为预测学习进度，β0是截距项；步骤S2中， V user 为用户设置的视频音量级别，Vdefault为平台默认的视频音量级别，Vscale为音量的总量程，ΔV为用户设置音量与默认音量的差值；将音量差转换为相对总量程的级别：当用户在观看过程中调整了音量，Nadjustments为用户在固定时间内调整音量的次数，引入一个调整因子fadjust＝logNadjustments+1，最后计算总的重听程度评分为：S＝Vrelativw·1+fadjust；通过重听程度调整截距项β′，其中k为常数系数：β′＝β0+k·S；得到第二学习进度跟踪模型：Xj′为Xj增加行为数据后的影响因素的值；将重听者的行为数据作为新增的影响因素加入S1中计算，第二学习进度跟踪模型对应的权重wj′；步骤S3中，S31、将体现学习内容偏好、学习资源偏好以及学习方法偏好的行为数据转换为数值形式；S32、分别计算学习内容偏好、学习资源偏好以及学习方法偏好的偏好度；学习内容偏好度：对于每个学习内容包括：手语词汇、句子或对话，计算用户的观看频率和时长；其中，Pcontent是表示第a个学习内容的内容偏好度，b为总学习内容数量，fa为用户观看第a个学习内容的频率，da为用户观看第a个学习内容的时长；∑bfb·db为用户观看所有内容的总频率和时长的乘积和；学习资源偏好度：对于每种学习资源包括：视频教程、互动练习、图文教材，记录用户的访问和使用频率：其中，Presource是表示第a′种学习资源的资源偏好度，b′为总学习资源数量，ua′用户访问和使用第a′种资源的频率；∑b′ub′为用户访问和使用所有资源的总频率；学习方法偏好度：用户的练习完成情况、视频观看习惯的数据：其中，Pmethoda″表示第a″种学习方法的偏好度，b″为总学习方法数量，ha″表示用户采用第a″种方法的频率，∑b″hb″表示用户采用所有方法的总频率；S33、综合计算学习偏好度，得出学习偏好度动态评估模型；将内容偏好度、资源偏好度和方法偏好度进行加权综合，得到整体的学习偏好度Poverall：Poverall＝w1·Pcontent+w2·Presource+w3·Pmethod；由熵权法计算得出的w1、w2、w3表示内容偏好度、资源偏好度和方法偏好度的权重，熵权法计算步骤与S2中步骤一致；从第二学习进度跟踪模型中获取重听者当前的学习进度P′，从学习偏好度动态评估模型中获取学习偏好度Pcontent、Presource、Pmethod；w1、w2、w3表示内容偏好度、资源偏好度和方法偏好度的权重，构建个性化学习路径模型：LP＝w1·CP′,Pcontent+w2·RP′,Presource+w3·MP′,Pmethod；其中：LP是个性化学习路径得分；CP′,Pcontent是基于学习进度和偏好度的内容个性化得分函数；RP′,Presource是基于学习进度和偏好度的资源个性化得分函数；MP′,Pmethod是基于学习进度和偏好度的方法个性化得分函数；个性化得分函数定义为学习进度和偏好度的加权组合：CP′,Pcontent＝α·P′+1-α·Pcontent；CP′,Presource＝α·P′+1-α·Presource；CP′,Pmethod＝α·P′+1-α·Pmethod；其中：α是一个介于0和1之间的常数。

全文数据：

权利要求：

百度查询： 果不其然无障碍科技(苏州)有限公司 一种手语学习进度跟踪与个性化推荐管理系统及方法