一种关键知识点推荐方法及其系统的制作方法
【专利摘要】本发明提供一种关键知识点推荐方法及其系统，首先计算知识点集合中的知识点关系强度；其次根据所述知识点集合中的知识点关系强度计算知识点的权重，并将所述知识点及其权重对应保存；再根据所述知识点的权重确定关键知识点，将所述关键知识点推荐给用户。该方案通过计算知识点集合中的知识点关系强度得到知识点强度，根据知识点强度为用户学习本知识进行推荐，帮助用户更客观有效地、有选择性地学习某些关键知识点。有效避免了现有技术中知识点的推荐基于模糊逻辑的信息推荐技术，模糊逻辑算法计算精度低，适应能力差；并需要具备用户档案，又难以实时跟踪更新用户档案；只能得到用户感兴趣的信息或知识点，不能获取关键知识点的问题。
【专利说明】一种关键知识点推荐方法及其系统
【技术领域】
[0001] 本发明涉及一种关键知识点推荐方法及其系统，属于电数字数据处理技术。
【背景技术】
[0002] 随着知识经济时代的到来，数字出版已成为出版业发展的必然趋势，人们已从纸 质阅读大量地转向电子阅读。电子图书、期刊、数字报刊等多样化的出版资源蕴含大量权威 知识，具有很高的应用价值。这些数字出版资源大量地采用书籍或期刊等文档篇章的形式 组织和传播知识和信息，人们希望获取的并非文档本身，而是直接获得文档里的相关知识 点，即将所有本的相关知识点能够精确搜索、采集，以便研究学习。
[0003] 关键知识点是指与该本领域或相关领域的其他知识点有相对较强关联性的一些 知识点。每个领域或相关领域通常会有一些关键知识点，通过对关键知识点的学习，能够很 好地了解领域或相关领域知识的全貌，从而促进对其他知识点的学习。由于各领域的文本 信息资源非常庞大，随着电子商务时代的发展，大量的关键知识蕴藏在电子图书、期刊、数 字报刊中，所以当用户在学习某个知识的时候，快速及时定位、精确跟踪关键知识点，就成 为一个重要的问题。
[0004] 现有技术采用的关键知识点推荐方法是基于模糊逻辑的信息推荐技术，采用模糊 集合存储用户档案，并运用模糊逻辑推理方式将用户档案与接收到的信息进行匹配，筛选 出符合用户爱好的信息，并按受喜爱程度排序后推荐给用户。但是基于模糊逻辑建立的信 息推荐系统，模糊逻辑算法计算精度低、适应能力差；同时该方法需要具备用户档案，对于 用户爱好的信息收集和筛选需要一定的时间，并且用户爱好的信息在不断变化，难以实时 跟踪更新用户档案；另外，该方法只能得到用户感兴趣的信息或知识点，但不能计算得到关 键知识点。
【发明内容】
[0005] 本发明所要解决的技术问题是现有技术采用的关键知识点推荐方法是基于模糊 逻辑的信息推荐技术，模糊逻辑算法计算精度低，适应能力差；并需要具备用户档案，又难 以实时跟踪更新用户档案；只能得到用户感兴趣的信息或知识点，又不能获取关键知识点。 从而提供一种通过计算知识点关系强度，根据知识点强度为用户学习关键知识进行推荐， 帮助用户更客观有效地、有选择性地了解学习关键知识点的推荐方法及其系统。
[0006] 为解决上述技术问题，本发明是通过以下技术方案实现的：
[0007] -种关键知识点推荐方法，包括如下步骤：
[0008] 计算知识点集合中的知识点关系强度；
[0009] 根据所述知识点集合中的知识点关系强度计算每个知识点的权重，并将所述知识 点及其权重对应保存；
[0010] 根据所述知识点的权重确定关键知识点，将所述关键知识点推荐给用户。
[0011] 所述计算所述知识点集合中的知识点关系强度的处理过程为：首先计算所述知识 点显性关系强度；再根据所述知识点显性关系强度计算隐性关系强度；最后根据所述知识 点显性关系强度和隐性关系强度计算所述知识点关系强度。
[0012] 所述计算所述知识点集合中的知识点关系强度的处理过程包括以下步骤：
[0013] 计算所述知识点集合中的知识点显性关系强度，并生成知识点关系强度矩阵M ;
[0014] 根据所述知识点关系强度矩阵构造带权有向图G ;
[0015] 根据所述带权有向图G计算知识点隐性关系强度，并生成知识点隐性关系强度矩 阵I ;
[0016] 遍历所述知识点隐性关系强度矩阵I，更新所述知识点关系强度矩阵M。
[0017] 将所述知识点集合中的知识点及其权重对应保存在列表L中。
[0018] 所述根据所述知识点集合中的知识点关系强度计算每个知识点的权重，并将所述 知识点及其权重对应保存的处理包括：
[0019] 根据所述知识点集合中的知识点关系强度矩阵M，获得以知识点Oi为起点的所有 边的集合TT i和以Oi为终点的所有边的集合If ;
[0020] 设置每个知识点Oi的权重为Wi，对于TTi中的每条边的权重乘以Θ °ut后加入知识 点的权重Wi中；对于Tf中的每条边的权重乘以Θ in后加入Wi，计算完成后将得到的权重Wi 保存在列表L中；其中θ Θ in是控制参数，每个知识点〇i的权重Wi的初始值设置为零。
[0021] 所述根据所述知识点的权重确定关键知识点，将所述关键知识点推荐给用户的处 理包括：
[0022] 按照所述知识点的权重降序排列每个知识点，更新所述知识点的所述列表L ;
[0023] 取所述知识点集合中的知识点的所述列表L中的前K个知识点作为关键知识点， 推荐给用户，其中K为大于等于2的整数。
[0024] 所述计算所述知识点集合中的知识点显性关系强度的处理包括：
[0025] 计算所述知识点集合中的知识点正向显性关系强度；
[0026] 计算所述知识点集合中的知识点反向显性关系强度；
[0027] 根据所述知识点集合中的知识点正向显性关系强度和反向显性关系强度计算所 述知识点显性关系强度；
[0028] 根据所述知识点集合中的知识点的显性关系强度，生成所述知识点关系强度矩阵 M0
[0029] 所述遍历所述知识点隐性关系强度矩阵I，更新所述知识点关系强度矩阵M的处 理包括：
[0030] 遍历所述隐性关系强度矩阵I中的每一项；
[0031] 判断Iij与Mij的大小；
[0032] 如果IijIij，对Mij重新赋值，M ij=Iij，更新所述知识点关系强度矩阵M后，处理所 述隐性关系强度矩阵I中的下一项；如果L <My则直接处理所述隐性关系强度矩阵I中 的下一项，直到遍历完所述隐性关系强度矩阵I。
[0033] 所述知识点正向显性关系强度的处理为：
[0034]
【权利要求】
1. 一种关键知识点推荐方法，其特征在于，包括如下步骤： 计算知识点集合中的知识点关系强度； 根据所述知识点集合中的知识点关系强度计算每个知识点的权重，并将所述知识点及 其权重对应保存； 根据所述知识点的权重确定关键知识点，将所述关键知识点推荐给用户。
2. 根据权利要求1所述的关键知识点推荐方法，其特征在于：所述计算所述知识点集 合中的知识点关系强度的处理过程为：首先计算所述知识点显性关系强度；再根据所述知 识点显性关系强度计算隐性关系强度；最后根据所述知识点显性关系强度和隐性关系强度 计算所述知识点关系强度。
3. 根据权利要求1或2所述的关键知识点推荐方法，其特征在于，所述计算所述知识点 集合中的知识点关系强度的处理过程包括以下步骤： 计算所述知识点集合中的知识点显性关系强度，并生成知识点关系强度矩阵M ; 根据所述知识点关系强度矩阵构造带权有向图G ; 根据所述带权有向图G计算知识点隐性关系强度，并生成知识点隐性关系强度矩阵I ; 遍历所述知识点隐性关系强度矩阵I，更新所述知识点关系强度矩阵M。
4. 根据权利要求1或2或3所述的关键知识点推荐方法，其特征在于：将所述知识点 集合中的知识点及其权重对应保存在列表L中。
5. 根据权利要求1-4任一所述的关键知识点推荐方法，其特征在于，所述根据所述知 识点集合中的知识点关系强度计算每个知识点的权重，并将所述知识点及其权重对应保存 的处理包括： 根据所述知识点集合中的知识点关系强度矩阵M，获得以知识点〇i为起点的所有边的 集合IT和以〇i为终点的所有边的集合τ/η; 设置每个知识点Oi的权重为Wi，对于TTw中的每条边的权重乘以Θ °ut后加入知识点的 权重Wi中；对于If中的每条边的权重乘以Θ in后加入Wi，计算完成后将得到的权重Wi保存 在列表L中；其中θ Θ in是控制参数，每个知识点〇i的权重Wi的初始值设置为零。
6. 根据权利要求1-5任一所述的关键知识点推荐方法，其特征在于，所述根据所述知 识点的权重确定关键知识点，将所述关键知识点推荐给用户的处理包括： 按照所述知识点的权重降序排列每个知识点，更新所述知识点的所述列表L ; 取所述知识点集合中的知识点的所述列表L中的前K个知识点作为关键知识点，推荐 给用户，其中K为大于等于2的整数。
7. 根据权利要求2-6任一所述的关键知识点推荐方法，其特征在于，所述计算所述知 识点集合中的知识点显性关系强度的处理包括： 计算所述知识点集合中的知识点正向显性关系强度； 计算所述知识点集合中的知识点反向显性关系强度； 根据所述知识点集合中的知识点正向显性关系强度和反向显性关系强度计算所述知 识点显性关系强度； 根据所述知识点集合中的知识点的显性关系强度，生成所述知识点关系强度矩阵M。
8. 根据权利要求3-7任一所述的关键知识点推荐方法，其特征在于，所述遍历所述知 识点隐性关系强度矩阵I，更新所述知识点关系强度矩阵M的处理包括： 遍历所述隐性关系强度矩阵I中的每一项； 判断L与^的大小； 如果Ii^Mm对Mu重新赋值，Mu=Im更新所述知识点关系强度矩阵M后，处理所述隐 性关系强度矩阵I中的下一项；如果L < My则直接处理所述隐性关系强度矩阵I中的下 一项，直到遍历完所述隐性关系强度矩阵I。
9. 根据权利要求7所述的关键知识点推荐方法，其特征在于，所述知识点正向显性关 系强度的处理为：
其中，fP(i，j)为从知识点Qi到知识点Qj的正向显性关系强度，μ为知识点Q j在知识点 Oi的相关文本中出现的次数，β为控制因子，0.5彡β彡2, μ、i、j为非负整数，i，j=l，2，··· η，η为知识点的个数。
10. 根据权利要求7或9所述的关键知识点推荐方法，其特征在于，所述知识点反向显 性关系强度的处理为：
其中，fN(i，j)为从知识点Oi到知识点％的反向显性关系强度，α为关联因子， 1彡α彡5, α为正整数，fp(j，i)是从知识点0j到知识点〇i的正向显性关系强度。
11. 根据权利要求7-10任一所述的关键知识点推荐方法，其特征在于，所述知识点显 性关系强度的处理为：
其中，fE(i，j)为从知识点Qi到知识点％的显性关系强度，fP(i，j)为从知识点Q i到知 识点Oj的正向显性关系强度，fN(i，j)为从知识点Oi到知识点O j的反向显性关系强度，α 为关联因子，1彡c[彡5, α为正整数。
12. 根据权利要求3所述的关键知识点推荐方法，其特征在于，所述带权有向图G包括 边、权重和顶点， 其中，边和权重的设置方法为： 当MijX)时，G中从知识点Oi到知识点〇」的边的权重设置为-In(Mij);当M ij=O时，G中 不存在从知识点〇i到知识点％的边，其中，Mu表示知识点〇i到知识点％的显性关系强度； 所述带权有向图G的顶点与M的顶点相同。
13. 根据权利要求3或12所述的关键知识点推荐方法，其特征在于：所述带权有向图G 用矩阵表示。
14. 根据权利要求3或7或8所述的关键知识点推荐方法，其特征在于，所述知识点隐 性关系强度的处理为： ^(i, j) = exp (-Cij) 其中，fji，j)表示知识点Oi到知识点％的隐性关系强度，表示在所述带权有向图 G中知识点Oi到知识点％的最短简单路径长度； 如果知识点〇i到知识点％不存在简单路径，则Αα，j)等于零；知识点到自身的隐性 关系强度设置为零； 将隐性关系强度Aa，j)保存为矩阵形式，则生成了知识点隐性关系强度矩阵I。
15. 根据权利要求14所述的关键知识点推荐方法，其特征在于：所述最短简单路径长 度Cij计算方法为Di jkstra算法、SPFA算法、Floyd-Warshall算法或Bellman-Ford算法。
16. 根据权利要求9所述的关键知识点推荐方法，其特征在于：所述控制因子β = 1。
17. 根据权利要求10或11所述的关键知识点推荐方法，其特征在于：所述关联因子α =2。
18. 根据权利要求5所述的关键知识点推荐方法，其特征在于：所述控制参数 θout e [〇· 1，1〇]，θin e [〇· 1，1〇]。
19. 根据权利要求5或18所述的关键知识点推荐方法，其特征在于：所述控制参数 Θ - = 1，θ in = 2。
20. 根据权利要求6所述的关键知识点推荐方法，其特征在于：所述K的取值范围为 2彡K彡45。
21. 根据权利要求6或20所述的关键知识点推荐方法，其特征在于：所述K=2。
22. -种关键知识点推荐系统，其特征在于，包括： 关系强度计算模块，用于计算知识点集合中的知识点关系强度； 权重计算保存模块，用于根据所述知识点集合中的知识点关系强度计算每个知识点的 权重，并将所述知识点及其权重对应保存； 推荐模块，用于根据所述知识点的权重确定关键知识点，将所述关键知识点推荐给用 户。
23. 根据权利要求22所述的关键知识点推荐系统，其特征在于：所述计算所述知识点 集合中的知识点关系强度的处理过程为：首先计算所述知识点显性关系强度；再根据所述 知识点显性关系强度计算隐性关系强度；最后根据所述知识点显性关系强度和隐性关系强 度计算所述知识点关系强度。
24. 根据权利要求22或23所述的关键知识点推荐系统，其特征在于，所述关系强度计 算子模块具体包括： 关系强度矩阵生成单元，用于计算所述知识点集合中的知识点显性关系强度，并生成 知识点关系强度矩阵M ; 带权有向图构造单元，用于根据所述知识点关系强度矩阵构造 G ; 隐性关系强度矩阵生成单元，用于根据所述带权有向图G计算知识点隐性关系强度， 并生成知识点隐性关系强度矩阵I ; 更新单元，用于遍历所述知识点隐性关系强度矩阵I，更新所述知识点关系强度矩阵 M0
25. 根据权利要求22或23或24所述的关键知识点推荐系统，其特征在于：将所述知 识点集合中的知识点及其权重对应保存在列表L中。
26. 根据权利要求22-25任一所述的关键知识点推荐系统，其特征在于，所述根据所述 知识点集合中的知识点关系强度计算每个知识点的权重，并将所述知识点及其权重对应保 存的处理包括： 根据所述知识点集合中的知识点关系强度矩阵M，获得以知识点〇i为起点的所有边的 集合ΤΓ"和以Qi为终点的所有边的集合Tf ; 设置每个知识点Oi的权重为Wi，对于TTi中的每条边的权重乘以Θ °ut后加入知识点的 权重Wi中；对于Tf中的每条边的权重乘以Θ in后加入Wi，计算完成后将得到的权重Wi保 存在列表L中；其中θ Θ in是控制参数，每个知识点〇i的权重Wi的初始值设置为零。
27. 根据权利要求22-26任一所述的关键知识点推荐系统，其特征在于，所述推荐模块 包括： 排序子模块，用于按照所述知识点的权重降序排列每个知识点，更新所述知识点的所 述列表L ; 推荐子模块，用于取所述知识点集合中的知识点的所述列表L中的前K个知识点作为 关键知识点，推荐给用户，其中K为大于等于2的整数。
28. 根据权利要求23-27任一所述的关键知识点推荐系统，其特征在于，所述关系强度 矩阵生成单元包括： 正向显性关系强度计算子单元，用于计算所述知识点集合中的知识点正向显性关系强 度； 反向显性关系强度计算子单元，用于计算所述知识点集合中的知识点反向显性关系强 度； 显性关系强度计算子单元，用于根据所述知识点集合中的知识点正向显性关系强度和 反向显性关系强度计算所述知识点显性关系强度； 关系强度矩阵生成子单元，用于根据所述知识点集合中的知识点的显性关系强度，生 成所述知识点关系强度矩阵M。
29. 根据权利要求24-28任一所述的关键知识点推荐系统，其特征在于，所述更新单元 包括： 查找子单元，用于遍历所述隐性关系强度矩阵I中的每一项； 判断子单元，用于判断L与Mu的大小； 更新子单元，用于如果IiPMiP对^重新赋值，Mu=L，更新所述知识点关系强度矩阵M 后，处理所述隐性关系强度矩阵I中的下一项；如果Iij < Mij，则直接处理所述隐性关系强 度矩阵I中的下一项，直到遍历完所述隐性关系强度矩阵I。
30. 根据权利要求28所述的关键知识点推荐系统，其特征在于，所述知识点正向显性 关系强度的处理为：
其中，fP(i，j)为从知识点Qi到知识点％的正向显性关系强度，μ为知识点％在知识 点化的相关文本中出现的次数，β为控制因子，0.5彡β彡2，i、j为非负整数，i，j=l，2，··· η，η为知识点的个数。
31. 根据权利要求28或30所述的关键知识点推荐系统，其特征在于，所述知识点反向 显性关系强度的处理为：
其中，fN(i，j)为从知识点Oi到知识点％的反向显性关系强度，α为关联因子， 1彡α彡5, α为正整数，fp(j，i)是从知识点0j到知识点〇i的正向显性关系强度。
32. 根据权利要求28-31任一所述的关键知识点推荐系统，其特征在于，所述知识点显 性关系强度的#理为：
其中，fE(i，j)为从知识点Qi到知识点％的显性关系强度，fP(i，j)为从知识点Q i到知 识点Oj的正向显性关系强度，fN(i，j)为从知识点Oi到知识点O j的反向显性关系强度，α 为关联因子，1彡c[彡5, α为正整数。
33. 根据权利要求24所述的关键知识点推荐系统，其特征在于，所述带权有向图G包括 边、权重和顶点， 其中，边和权重的设置方法为： 当MijX)时，G中从知识点Oi到知识点〇」的边的权重设置为-In(Mij);当M ij=O时，G中 不存在从知识点〇i到知识点％的边，其中，Mu表示知识点〇i到知识点％的显性关系强度； 所述带权有向图G的顶点与M的顶点相同。
34. 根据权利要求24或36所述的关键知识点推荐系统，其特征在于：所述带权有向图 G用矩阵表示。
35. 根据权利要求24或28或29所述的关键知识点推荐系统，其特征在于，所述知识点 隐性关系强度的处理为： ^(i, j) = exp (-Cij) 其中，fji，j)表示知识点Oi到知识点％的隐性关系强度，表示在所述带权有向图 G中知识点Oi到知识点％的最短简单路径长度； 如果知识点〇i到知识点％不存在简单路径，则Aa，j)等于零；知识点到自身的隐性 关系强度设置为零； 将隐性关系强度Aa，j)保存为矩阵形式，则生成了知识点隐性关系强度矩阵I。
36. 根据权利要求35所述的关键知识点推荐系统，其特征在于：所述最短简单路径长 度Cij计算方法为Di jkstra算法、SPFA算法、Floyd-Warshall算法或Bellman-Ford算法。
37. 根据权利要求30所述的关键知识点推荐系统，其特征在于：所述控制因子β = 1。
38. 根据权利要求31或32所述的关键知识点推荐系统，其特征在于：所述关联因子α =2。
39. 根据权利要求26所述的关键知识点推荐系统，其特征在于：所述控制参数 θout e [〇· 1，1〇]，θin e [〇· 1，1〇]。
40. 根据权利要求26或39所述的关键知识点推荐系统，其特征在于：所述控制参数 Θ - = 1，θ in = 2。
41. 根据权利要求27所述的关键知识点推荐系统，其特征在于：所述K的取值范围为 2彡K彡45。
42. 根据权利要求27或41所述的关键知识点推荐系统，其特征在于：所述K=2。
【文档编号】G06F17/30GK104516904SQ201310456539
【公开日】2015年4月15日 申请日期:2013年9月29日 优先权日:2013年9月29日
【发明者】叶茂, 徐剑波, 汤帜, 金立峰, 王元龙 申请人:北大方正集团有限公司, 北京方正阿帕比技术有限公司, 北京大学