可左右滑动选省市

一种基于知识图谱评分预测的养老护理行业课程推荐方法

更新时间:2024-07-01
一种基于知识图谱评分预测的养老护理行业课程推荐方法 专利申请类型:发明专利;
源自:上海高价值专利检索信息库;

专利名称:一种基于知识图谱评分预测的养老护理行业课程推荐方法

专利类型:发明专利

专利申请号:CN202111491331.6

专利申请(专利权)人:福寿康智慧医疗养老服务(上海)有限公司
权利人地址:上海市虹口区水电路1388号901室

专利发明(设计)人:张军,袁翔,潘维,蔡学良

专利摘要:本发明公开了一种基于知识图谱评分预测的养老护理行业课程推荐方法,涉及养老护理领域。本发明方法步骤包括:生成知识图谱的课程清单:学员用户进行系统平台注册登录,并填写专业、岗位信息,自动生成供学员用户学习的知识图谱的课程清单;进行课程学习并判断是否有评论:根据学习情况自主的选择是否要进评论并填写评论信息;答疑:老师答疑;评分预测:对学员用户在学习过程中的表现状况进行评分并预测。本发明生成该该岗位对需的知识图谱,并根据历史答题情况精准推荐课程学习,掌握岗位必知必会;总结出基于养老护理行业培训的一套评分预测体系,能够精准推送课程,让养老护理员能够利用空闲碎片化时间学习专业知识,提高自己的专业技能。

主权利要求:
1.一种基于知识图谱评分预测的养老护理行业课程推荐方法,其特征在于,包括如下步骤:
S01、生成知识图谱的课程清单:学员用户进行系统平台注册登录,并填写专业、岗位信息,自动生成供学员用户学习的知识图谱的课程清单;在登录过程中生成学员用户个人学习情况的清单,包括已学课程以及未学接触各部分推荐课程,所述课程包括护理行业内所有涉及到的相关内容;
S02、进行课程学习并判断是否有评论:学员用户利用课程平台进行学习,选择包括视频、音频、文档的学习方式,并根据学习情况自主的选择是否要进评论并填写评论信息;
S03、答疑:监测到有学员用户进行了评论后,平台系统自动提醒授课老师进行答疑,答疑完成后反馈给评论学员用户获得答疑反馈,并判断疑问是否解决;
S04、评分预测:对学员用户在学习过程中的表现状况进行评分并预测;具体通过在线练习以及考试的形式获得,并根据上述两种方式利用矩阵分解模型计算得到最终的学员评分;
所述矩阵分解模型具体是:
设定本系统的护理员的课程评分矩阵A是m乘以n维,即一共有m个学员用户,n个课程,选择相对于m和n小两个数量级的数k,通过如下算法获得矩阵U和矩阵V,所述矩阵U的维度是m乘以k,矩阵V的维度是n乘以k;
所述矩阵U代表护理员偏好的用户隐因子向量组成,矩阵V代表课程主题的隐因子向量组成,所述隐因子向量是指每个护理员对应一个k维向量,每个课程也对应一个k维向量,则矩阵U和矩阵V相乘后得到的矩阵,维度与原来护理员课程评分矩阵一致。
2.根据权利要求1所述的一种基于知识图谱评分预测的养老护理行业课程推荐方法,其特征在于,所述在线练习形式具体是通过在首次练习时,随机生成一份试题;并非首次练习,则根据后台历史答题情况及矩阵分解模型计算得到的评分生成一份在线练习题;在答题过程中,根据每道题的答题情况,基于矩阵分解模型计算得到学院掌握情况得分,并用于学员在下次登录时生成在线练习题;答题后,结合历史答题情况,基于学员知识图谱推荐课程学习。
3.根据权利要求1所述的一种基于知识图谱评分预测的养老护理行业课程推荐方法,其特征在于,所述考试形式具体是系统随机生成一份考试试题,在答题过程中,根据每道题的答题情况,基于矩阵分解模型计算得到学员掌握情况得分,基于矩阵分解模型计算得到学员掌握情况得分,并用于学员在下次登录时生成在线练习题;考试后,结合本次考试情况,基于学员知识图谱推荐课程学习。 说明书 : 一种基于知识图谱评分预测的养老护理行业课程推荐方法技术领域[0001] 本发明属于养老护理领域,特别是涉及一种基于知识图谱评分预测的养老护理行业课程推荐方法。背景技术[0002] 现有的养老护理行业的护理员获取所需专业知识主要由两条途径:一是在公司外请行业培训讲师,针对公司群体进行授课,无个性化培训;二是依托现有的互联网在线教育平台,比如腾讯课堂;但是,时下流行的互联网在线教育平台主要针对的用户群体是白领和大学生,并没有针对养老护理行业人群的专业化课程精准推荐;并且,现有在线教育平台推荐系统仅根据用户的历史检索信息推荐相近的课程供用户选择;现有的推荐系统不基于用户的历史学习课程的评测结果,推荐课程学习。[0003] 现有推荐系统没有基于知识图谱建立用户与学习课程之间的现实关联,不同用户因护理岗位不一致,所需掌握的专业技能不一致,因此,仅根据历史检索信息推荐学习课程,并不能满足有强专业技能要求的学习需求;并且,现有推荐系统没有建立评分系统与学习课程的关联,不关注课程的掌握情况,学习情况不理想的课程不会重新推荐学习;现有在线教育平台在线学习及考试系统不会记录用户的历史学习情况,也没有激励措施,不会根据错题推荐学习相关课程,且授课形式单一,只有视频以及文档,需要线下联系管理员获取,流程复杂,不利于养老护理行业人员学习,且不关注用户学习反馈,没有针对此门学习课程的疑问反馈系统。发明内容[0004] 本发明提供了一种基于知识图谱评分预测的养老护理行业课程推荐方法,解决了以上问题。[0005] 为解决上述技术问题,本发明是通过以下技术方案实现的:[0006] 本发明的一种基于知识图谱评分预测的养老护理行业课程推荐方法,包括如下步骤:[0007] S01、生成知识图谱的课程清单:学员用户进行系统平台注册登录,并填写专业、岗位信息,自动生成供学员用户学习的知识图谱的课程清单;在登录过程中生成学员用户个人学习情况的清单,包括已学课程以及未学接触各部分推荐课程,所述课程包括护理行业内所有涉及到的相关内容;[0008] S02、进行课程学习并判断是否有评论:学员用户利用课程平台进行学习,选择包括视频、音频、文档的学习方式,并根据学习情况自主的选择是否要进评论并填写评论信息;[0009] S03、答疑:监测到有学员用户进行了评论后,平台系统自动提醒授课老师进行答疑,答疑完成后反馈给评论学员用户获得答疑反馈,并判断疑问是否解决;[0010] S04、评分预测:对学员用户在学习过程中的表现状况进行评分并预测;具体通过在线练习以及考试的形式获得,并根据上述两种方式利用矩阵分解模型计算得到最终的学员评分。[0011] 进一步地,所述在线练习形式具体是通过在首次练习时,随机生成一份试题;并非首次练习,则根据后台历史答题情况及矩阵分解模型计算得到的评分生成一份在线练习题;在答题过程中,根据每道题的答题情况,基于矩阵分解模型计算得到学院掌握情况得分,并用于学员在下次登录时生成在线练习题;答题后,结合历史答题情况,基于学员知识图谱推荐课程学习。[0012] 进一步地,所述考试形式具体是系统随机生成一份考试试题,在答题过程中,根据每道题的答题情况,基于矩阵分解模型计算得到学员掌握情况得分,基于矩阵分解模型计算得到学员掌握情况得分,并用于学员在下次登录时生成在线练习题;考试后,结合本次考试情况,基于学员知识图谱推荐课程学习。[0013] 进一步地,所述矩阵分解模型具体是:[0014] 设定本系统的护理员的课程评分矩阵A是m乘以n维,即一共有m个学员用户,n个课程,选择相对于m和n小两个数量级的数k,通过如下算法获得矩阵U和矩阵V,所述矩阵U的维度是m乘以k,矩阵V的维度是n乘以k;[0015][0016] 所述矩阵U代表护理员偏好的用户隐因子向量组成,矩阵V代表课程主题的隐因子向量组成,所述隐因子向量是指每个护理员对应一个k维向量,每个课程也对应一个k维向量,则矩阵U和矩阵V相乘后得到的矩阵,维度与原来护理员课程评分矩阵一致。[0017] 本发明相对于现有技术包括有以下有益效果:[0018] 本发明根据养老护理行业学员岗位的不同,生成该该岗位对需的知识图谱,并根据历史答题情况精准推荐课程学习,使学员达到事半功倍的学习效果,掌握岗位必知必会;总结出基于养老护理行业培训的一套评分预测体系,能够精准推送课程,让养老护理员能够利用空闲碎片化时间学习专业知识,提高自己的专业技能,使能够在任何地方完成每期在线考核,考核结果实时反馈至公司平台,从而不断提高整个服务水平和效率。[0019] 当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。附图说明[0020] 为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。[0021] 图1为本发明的一种基于知识图谱评分预测的养老护理行业课程推荐方法的流程步骤图;[0022] 图2为图1中S01步骤的具体流程图;[0023] 图3为图1中S02步骤的具体流程图;[0024] 图4为图1中S03步骤的具体流程图。具体实施方式[0025] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。[0026] 请参阅图1‑4所示,本发明的一种基于知识图谱评分预测的养老护理行业课程推荐方法,包括如下步骤:[0027] S01、生成知识图谱的课程清单:学员用户进行系统平台注册登录,并填写专业、岗位信息,自动生成供学员用户学习的知识图谱的课程清单;在登录过程中生成学员用户个人学习情况的清单,包括已学课程以及未学接触各部分推荐课程,课程包括护理行业内所有涉及到的相关内容;[0028] 具体地,系统先判定学员用户是否是新用户,若是,则注册信息,填写专业以及岗位,生成知识图谱,根据专业和岗位生成课程清单;若否,则直接登录,生成个人学习情况清单,包括已学课程,未学接触各部分推荐课程;[0029] S02、进行课程学习并判断是否有评论:学员用户利用课程平台进行学习,选择包括视频、音频、文档的学习方式,并根据学习情况自主的选择是否要进评论并填写评论信息;[0030] 具体地,学员用户直接选择要学习的课程,选择包括视频、音频或文档任一种学习形式,并主动进行评论的,并填写评论信息;[0031] S03、答疑:监测到有学员用户进行了评论后,平台系统自动提醒授课老师进行答疑,答疑完成后反馈给评论学员用户获得答疑反馈,并判断疑问是否解决;[0032] 具体地,判断系统中学员用户在学习系统是否有评论,若有的话,系统自动提醒老师进行答疑,老师进行答疑,然后系统通知学员查看老师答疑,并由学员用户确定是否疑问被解决,若是则答疑结束,若否在返回至起始端重新开始;[0033] S04、评分预测:对学员用户在学习过程中的表现状况进行评分并预测;具体通过在线练习以及考试的形式获得,并根据上述两种方式利用矩阵分解模型计算得到最终的学员评分。[0034] 其中,在线练习形式具体是通过在首次练习时,随机生成一份试题;并非首次练习,则根据后台历史答题情况及矩阵分解模型计算得到的评分生成一份在线练习题;在答题过程中,根据每道题的答题情况,基于矩阵分解模型计算得到学院掌握情况得分,并用于学员在下次登录时生成在线练习题;答题后,结合历史答题情况,基于学员知识图谱推荐课程学习。[0035] 其中,考试形式具体是系统随机生成一份考试试题,在答题过程中,根据每道题的答题情况,基于矩阵分解模型计算得到学员掌握情况得分,基于矩阵分解模型计算得到学员掌握情况得分,并用于学员在下次登录时生成在线练习题;考试后,结合本次考试情况,基于学员知识图谱推荐课程学习。[0036] 其中,矩阵分解模型具体是:[0037] 设定本系统的护理员的课程评分矩阵A是m乘以n维,即一共有m个学员用户,n个课程,选择相对于m和n小两个数量级的数k,通过如下算法获得矩阵U和矩阵V,矩阵U的维度是m乘以k,矩阵V的维度是n乘以k;[0038][0039] 矩阵U代表护理员偏好的用户隐因子向量组成,矩阵V代表课程主题的隐因子向量组成,隐因子向量是指每个护理员对应一个k维向量,每个课程也对应一个k维向量,则矩阵U和矩阵V相乘后得到的矩阵,维度与原来护理员课程评分矩阵一致,得到任意一个护理员对任何一个课程的预测评分;[0040] 比如原来矩阵维度是m*n,其中,m是护理员数量,n是课程数量,再假如分解后的隐因子向量是k个,则护理员隐因此向量组成的矩阵就是m*k,课程隐因子向量组成的矩阵就是n*k。[0041] 有益效果:[0042] 本发明根据养老护理行业学员岗位的不同,生成该该岗位对需的知识图谱,并根据历史答题情况精准推荐课程学习,使学员达到事半功倍的学习效果,掌握岗位必知必会;总结出基于养老护理行业培训的一套评分预测体系,能够精准推送课程,让养老护理员能够利用空闲碎片化时间学习专业知识,提高自己的专业技能,使能够在任何地方完成每期在线考核,考核结果实时反馈至公司平台,从而不断提高整个服务水平和效率。[0043] 以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

专利地区:上海

专利申请日期:2021-12-08

专利公开日期:2024-06-18

专利公告号:CN113987359B

电话咨询
读内容
搜本页
回顶部