(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210878740.X (22)申请日 2022.07.25 (71)申请人 安徽冠成 教育科技有限公司 地址 230000 安徽省合肥市经济技 术开发 区清华路与宿松路交叉口合肥启迪科 技城创客空间C1栋二层联合办公区26 号区域 (72)发明人 杨道军　王丽莉　陈勇　 (51)Int.Cl. G06F 16/9535(2019.01) G06Q 10/06(2012.01) G06Q 50/20(2012.01) (54)发明名称 一种在线教育平台的学习资源自动组织与 展示方法 (57)摘要 本发明涉及在 线教育学习技术领域， 具体公 开了一种在线教育平台的学习资源自动组织与 展示方法， 所述方法包括获取目标用户的在线学 习数据， 基于在线教育平台加载的学习资源推荐 模型， 并将目标用户的在线学习数据输入到学习 资源推荐模 型中， 以得到目标用户在目标时间段 内是否有推荐的学习资源预测结果， 避免了主观 性判断带来的分析结果偏差， 保证了学习资源预 测结果的准确性。 从而向目标用户自动组织推荐 并展示与学习资源预测结果对应的在线学习资 源， 使得学习资源预测结果能够直接反映到在线 学习中， 不仅提高在线学习自动组织推荐的便捷 性， 提升用户群体学习资源推荐量， 还大大提高 学习资源推荐量自动组织与展示的执 行效率。 权利要求书2页 说明书11页 附图4页 CN 115422439 A 2022.12.02 CN 115422439 A 1.一种在线教育平台的学习资源自动组织与展示方法， 其特 征在于， 包括： 获取目标用户的在线学习数据， 所述在线学习数据包括所述目标用户在预设时间段的 在线教育平台学习的存 储数据； 基于在线教育平台加载的学习资源推荐模型， 并将所述在线学习数据输入所述学习资 源推荐模型， 以得到所述目标用户在目标时间段内是否有推荐的学习资源预测结果； 向所述目标用户展示与所述学习资源预测结果对应的在线学习资源。 2.根据权利要求1所述的在线教育平台的学习资源自动组织与展示方法， 其特征在于， 向所述目标用户展示与所述学习资源预测结果对应的在线学习资源， 包括： 计算所述在线学习数据与所述学习资源预测结果的相关性； 确定所述在线学习数据中相关性满足预设条件的目标在线学习数据， 并向所述目标用 户展示与所述目标在线学习数据对应的在线学习资源。 3.根据权利要求2所述的在线教育平台的学习资源自动组织与展示方法， 其特征在于， 所述计算所述在线学习数据与所述学习资源预测结果的相关性， 包括： 将所述在线教育平台学习的存储数据输入泊松回归模型， 以计算得到所述在线教育平 台学习的存 储数据与所述学习资源预测结果的相关性。 4.根据权利要求1所述的在线教育平台的学习资源自动组织与展示方法， 其特征在于， 获取目标用户的在线学习数据之前， 还 包括： 进入在线学习 系统中配置用于触发所述学习资源推荐模型的触发条件。 5.根据权利要求4所述的在线教育平台的学习资源自动组织与展示方法， 其特征在于， 获取目标用户的在线学习数据， 包括： 确定所述目标用户在所述在线学习 系统中的学习资源使用数据； 判断所述目标用户的学习资源使用数据是否符合所述学习资源推荐模型的触发条件； 若所述目标用户的学习资源使用数据符合所述触发条件， 则 触发获取所述目标用户的 在线学习数据。 6.根据权利要求5所述的在线教育平台的学习资源自动组织与展示方法， 其特征在于， 所述触发条件 包括以下任意 一个或组合： 所述目标用户登陆在线学习 系统； 所述目标用户进入预 先配置的在线学习平台、 网站或在线学习页面； 所述目标用户登录时长超过设定时长阈值； 所述目标用户所处学习阶段高于设定阶段划分阈值。 7.根据权利要求1的方法， 其特征在于， 基于在线教育平台加载的学习资源推荐模型， 并将在线 学习数据输入学习资源推荐模型， 以得到目标用户在目标时间段内是否有推荐的 学习资源 预测结果； 其中， 在线 学习平台中加载有多个学习资源推荐模型和轮询模块； 所述 以得到目标用户在目标时间段内是否有推荐的学习资源预测结果， 包括： 采用轮询模块， 分别调用多个学习资源推荐模型中与目标用户匹配的学习资源推荐模 型； 将在线学习数据输入与目标用户匹配的学习资源推荐模型， 以获得与目标用户匹配的 学习资源推荐模型输出的对目标用户在目标时间段内是否有推荐的学习资源预测结果。 8.根据权利要求7的方法， 其特征在于， 若与目标用户匹配的学习资源推荐模型有多权　利　要　求　书 1/2 页 2 CN 115422439 A 2个， 则 向目标用户自动组织推荐并展示与学习资源预测结果对应的在线学习资源， 包括： 计算各个学习资源推荐模型输出的学习资源预测结果与在线学习数据的相关性； 确定 在线学习数据中相关性满足预设条件的目标在线 学习数据， 并向目标用户自动组织推荐并 展示与目标在线学习数据对应的在线学习资源。 9.根据权利要求1的方法， 其特征在于， 所述学习资源推荐模型的训练方法， 包括以下 步骤： 确定待预测的在线学习数据推荐时间段； 获取在线学习数据推荐时间段内的在线学习数据样本以及在线学习数据推荐时间段 内的在线学习资源样本； 根据在线学习数据样本和在线学习资源样本， 训练学习资源推荐模型根据在线学习数 据样本和在线学习资源样本， 训练用于加载到在线学习中的学习资源推荐模型。 10.根据权利要求9的方法， 其特征在于， 学习资源推荐模型的训练目标为： 学习资源推 荐模型基于在线学习数据样本预测得到的训练数据与在线学习资源样本的偏差符合设定 阈值。权　利　要　求　书 2/2 页 3 CN 115422439 A 3