一種多媒體資源推薦方法和裝置制造方法及圖紙

本發明專利技術的實施方式提供了一種多媒體資源推薦方法。該多媒體資源推薦方法包括：在接收到資源推薦指令時，根據其中攜帶的用戶標識獲取對應的歷史答題數據；根據存儲的歷史答題數據和知識點的關聯關系，獲取對應的多個知識點；針對獲取的所述多個知識點中的每一知識點，分別統計該知識點對應的答題錯誤率；針對所述每一知識點，根據統計得到的該知識點對應的所述答題錯誤率，向用戶終端進行資源推薦。上述過程中，針對不同的用戶根據其自身答題情況進行試題推薦，使得推薦的試題更加符合用戶需求，從而提高了試題推薦的準確性，為用戶帶來了更好的體驗。此外，本發明專利技術的實施方式提供了一種多媒體資源推薦裝置。

【技術實現步驟摘要】

本專利技術的實施方式涉及信息推薦
，更具體地，本專利技術的實施方式涉及一種多媒體資源推薦方法和裝置。
技術介紹
本部分旨在為權利要求書中陳述的本專利技術的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。隨著移動通信技術的飛速發展和移動多媒體時代的到來，手機和平板電腦等終端越來越智能化，其已從簡單的通信娛樂工具演變成一個移動的信息收集和處理平臺。利用手機或者平板電腦等智能終端進行在線學習成為新興的輔助教學手段。在線學習包括用戶利用安裝于智能終端中的在線學習客戶端進行答題練習、答題測試等等。答題的題庫通常可以由服務器端提供或者在客戶端中預置。
技術實現思路
但是，現有技術中的在線學習客戶端在為用戶推薦題目時，通常以題目自身屬性這一單一維度為依據進行推薦，例如題目所屬的知識點或者題目難易程度等。而無法根據用戶答題情況進行推薦，由于用戶個體差異，不同用戶對相同的知識點或者同一用戶對不同知識點的掌握程度并不同，而在線學習客戶端在進行試題推薦時沒有考慮這些差異，為不同的用戶推薦的試題沒有體現差異性，使得用戶利用在線學習客戶端進行學習時無法達到預期效果，降低了試題推薦的準確性。為此，非常需要一種改進的試題推薦方法，用以針對不同的用戶進行差異性推薦，提高試題推薦準確性。在本上下文中，本專利技術的實施方式期望提供一種多媒體資源推薦方法和裝置。在本專利技術實施方式的第一方面中，提供了一種多媒體資源推薦方法，包括：在接收到資源推薦指令時，根據所述資源推薦指令中攜帶的用戶標識獲取所述用戶標識對應的歷史答題數據；根據存儲的歷史答題數據和知識點的關聯關系，獲取所述歷史答題數據對應的多個知識點；針對所述多個知識點中的每一知識點，分別統計該知識點對應的答題錯誤率；針對所述每一知識點，根據統計得到的該知識點對應的所述答題錯誤率，向用戶終端進行資源推薦。在本專利技術實施方式的第二方面中，提供了一種多媒體資源推薦裝置，包括：第一獲取單元，用于在接收到資源推薦指令時，根據所述資源推薦指令中攜帶的用戶標識獲取所述用戶標識對應的歷史答題數據；第二獲取單元，用于根據存儲的歷史答題數據和知識點的關聯關系，獲取所述歷史答題數據對應的多個知識點；第一統計單元，用于針對獲取的所述多個知識點中的每一知識點，分別統計該知識點對應的答題錯誤率；資源推薦單元，用于針對所述每一知識點，根據統計得到的該知識點對應的所述答題錯誤率向用戶終端進行資源推薦。在本專利技術實施方式的第三方面中，提供了一種多媒體資源推薦裝置，例如，可以包括存儲器和處理器，其中，處理器可以用于讀取存儲器中的程序，執行下列過程：在接收到資源推薦指令時，根據所述資源推薦指令中攜帶的用戶標識獲取所述用戶標識對應的歷史答題數據；根據存儲的歷史答題數據和知識點的關聯關系，獲取所述歷史答題數據對應的多個知識點；針對獲取的所述多個知識點中的每一知識點，分別統計該知識點對應的答題錯誤率；針對每一知識點，根據統計得到的該知識點對應的所述答題錯誤率，向用戶終端進行資源推薦。在本專利技術實施方式的第四方面中，提供了一種程序產品，其包括程序代碼，當所述程序產品運行時，所述程序代碼用于執行以下過程：在接收到資源推薦指令時，根據所述資源推薦指令中攜帶的用戶標識獲取所述用戶標識對應的歷史答題數據；根據存儲的歷史答題數據和知識點的關聯關系，獲取所述歷史答題數據對應的多個知識點；針對獲取的所述多個知識點中的每一知識點，分別統計該知識點對應的答題錯誤率；針對每一知識點，根據統計得到的該知識點對應的所述答題錯誤率，向用戶終端進行資源推薦。根據本專利技術實施方式的多媒體資源推薦方法和裝置，可以根據用戶的歷史答題數據對多個知識點的答題錯誤率進行統計，并根據統計結果向用戶推薦資源，上述過程中，針對不同的用戶根據其自身答題情況進行試題推薦，使得推薦的試題更加符合用戶需求，從而提高了試題推薦的準確性，為用戶帶來了更好的體驗。附圖說明通過參考附圖閱讀下文的詳細描述，本專利技術示例性實施方式的上述以及其他目的、特征和優點將變得易于理解。在附圖中，以示例性而非限制性的方式示出了本專利技術的若干實施方式，其中：圖1示意性地示出了根據本專利技術實施方式的應用場景示意圖；圖2示意性地示出了根據本專利技術實施方式的多媒體資源推薦方法實施流程示意圖；圖3示意性地示出了根據本專利技術實施方式的根據統計得到的每一知識點的答題錯誤率向用戶推薦資源的流程示意圖；圖4示意性地示出了根據本專利技術另一實施例的多媒體資源推薦流程示意圖；圖5示意性地示出了根據本專利技術又一實施例的多媒體資源推薦裝置的結構示意圖；圖6示意性地示出了根據本專利技術再一實施例的多媒體資源推薦裝置的結構示意圖；圖7示意性地示出了根據本專利技術再一實施例的多媒體資源推薦裝置的程序產品示意圖；在附圖中，相同或對應的標號表示相同或對應的部分。具體實施方式下面將參考若干示例性實施方式來描述本專利技術的原理和精神。應當理解，給出這些實施方式僅僅是為了使本領域技術人員能夠更好地理解進而實現本專利技術，而并非以任何方式限制本專利技術的范圍。相反，提供這些實施方式是為了使本公開更加透徹和完整，并且能夠將本公開的范圍完整地傳達給本領域的技術人員。本領域技術人員知道，本專利技術的實施方式可以實現為一種系統、裝置、設備、方法或計算機程序產品。因此，本公開可以具體實現為以下形式，即：完全的硬件、完全的軟件(包括固件、駐留軟件、微代碼等)，或者硬件和軟件結合的形式。根據本專利技術的實施方式，提出了一種多媒體資源推薦方法和裝置。在本文中，需要理解的是，附圖中的任何元素數量均用于示例而非限制，以及任何命名都僅用于區分，而不具有任何限制含義。下面參考本專利技術的若干代表性實施方式，詳細闡釋本專利技術的原理和精神。專利技術概述本專利技術人發現，現有的基于在線學習的試題推薦方式，只能夠根據題目所屬的知識點或者題目難易程度等這一單一維度進行推薦，而無法結合用戶答題情況進行推薦，由于用戶個體差異，不同用戶對相同的知識點或者同一用戶對不同知識點的掌握程度并不同，而在線學習客戶端在進行試題推薦時沒有考慮這些差異，為不同的用戶推薦的試題沒有體現差異性，使得用戶利用在線學習客戶端進行學習時無法達到預期效果，降低了試題推薦的準確性。為了解決這個問題，本專利技術實施例中，首先獲取用戶對應的歷史答題數據，并根據歷史答題數據和知識點的關聯關系，確定歷史答題數據對應的每一知識點，針對歷史答題數據包含的每一知識點，分別統計該知識點對應的答題錯誤率，根據得到的答題錯誤率，向用戶終端進行資源推薦。由于答題錯誤率能夠體現用戶對知識點的掌握程度，錯誤率越高，說明用戶對該知識點的掌握程度越薄弱，因此，可以向用戶推薦答題錯誤率高的知識點的試題。在介紹了本專利技術的基本原理之后，下面具體介紹本專利技術的各種非限制性實施方式。應用場景總覽首先參考圖1，其為本專利技術實施例的應用場景示意圖。用戶10通過終端11中安裝的在線學習客戶端訪問在線學習服務器12，其中，在線學習客戶端可以為網頁的瀏覽器，也可以為安裝于移動終端，如手機，平板電腦等中的客戶端。終端11與在線學習服務器12之間通過網絡進行通信連接，該網絡可以為局域網、廣域網等。終端11可以為便攜設備(例如：手機、平板、筆記本電腦等)，也可以為個人電腦(PC，Personal Computer)，在線本文檔來自技高網...

【技術保護點】
一種多媒體資源推薦方法，包括：在接收到資源推薦指令時，根據所述資源推薦指令中攜帶的用戶標識獲取所述用戶標識對應的歷史答題數據；根據存儲的歷史答題數據和知識點的關聯關系，獲取所述歷史答題數據對應的多個知識點；針對獲取的所述多個知識點中的每一知識點，分別統計該知識點對應的答題錯誤率；針對所述每一知識點，根據統計得到的該知識點對應的所述答題錯誤率，向用戶終端進行資源推薦。

【技術特征摘要】
1.一種多媒體資源推薦方法，包括：在接收到資源推薦指令時，根據所述資源推薦指令中攜帶的用戶標識獲取所述用戶標識對應的歷史答題數據；根據存儲的歷史答題數據和知識點的關聯關系，獲取所述歷史答題數據對應的多個知識點；針對獲取的所述多個知識點中的每一知識點，分別統計該知識點對應的答題錯誤率；針對所述每一知識點，根據統計得到的該知識點對應的所述答題錯誤率，向用戶終端進行資源推薦。2.根據權利要求1所述的方法，每一知識點的試題資源按照難易程度劃分為多個級別；以及針對所述每一知識點，分別統計該知識點對應的答題錯誤率，具體包括：針對所述每一知識點，分別統計該知識點當前級別難易程度下的答題錯誤率；以及根據統計得到的該知識點對應的所述的答題錯誤率，向用戶終端進行資源推薦，具體包括：針對每一知識點，如果該知識點當前級別難易程度下的答題錯誤率高于第一閾值，則推薦知識點講解資源，和/或該知識點當前級別難易程度的試題資源，和/或學習技巧講解資源；如果該知識點當前級別難易程度下的答題錯誤率不高于所述第一閾值，則推薦該知識點對應的、高一級別難易程度的試題資源。3.根據權利要求2所述的方法，如果該知識點當前級別難易程度下的答題錯誤率不高于所述第一閾值，則推薦該知識點對應的、高一級別難易程度的試題資源之前，還包括：統計該知識點當前級別難易程度下的答題總數量；以及推薦該知識點對應的、高一級別難易程度的試題資源，具體包括：當所述答題總數量超過第二閾值時，推薦該知識點對應的、高一級別難易程度的試題資源；以及所述方法，還包括：如果所述答題總數量不超過所述第二閾值，則推薦該知識點對應的、當前級別難易程度下的試題資源。4.根據權利要求1、2或3所述的方法，還包括：針對所述每一知識點，分別統計所述用戶標識所對應用戶連續跳過該知識點對應的試題資源的總次數；如果所述總次數超過預設值，則不再推薦該知識點對應的試題資源。5.根據權利要求1、2或3所述的方法，還包括：獲取所述用戶標識對應用戶的用戶屬性信息；確定目標用戶，所述目標用戶的用戶屬性信息與所述用戶...

【專利技術屬性】
技術研發人員：馬志強，
申請(專利權)人：網易杭州網絡有限公司，
類型：發明
國別省市：浙江;33