1.一种基于大数据定位的交互式远程教学方法,该方法具体包括如下步骤:
S1.大数据处理装置从多个移动学习终端实时获取海量数据,并对海量数据进行处理,建库;
S2.移动学习终端和大数据处理装置与教学服务器三者之间实时通过安全加密的方式收发数据;
S3.教学服务器实时接收移动教学服务器和大数据处理装置发送的数据,并实时定位移动学习终端的兴趣,推荐适合的学习内容,实现移动学习终端与教学服务器之间的个性化互动。
2.如权利要求1所述的方法,其特征在于,在步骤S3中,采用如下步骤实现实时定位移动学习终端的兴趣,推荐适合的学习内容:
S31.获取用户-资源评分矩阵;包括m个移动学习客户端对n个资源的评分,形成m×n矩阵;
S32.选择相似度计算公式,计算产生最近邻居集合;设置用户共同评分数量阈值T,若共同评分数量<T,则使用改进的相似度计算方法;反之,则使用余弦相似度或者皮尔森相关系数相似度计算方法;
S33.引入时间函数,评分预测计算并产生推荐结果。
3.如权利要求2所述的方法,其特征在于,在所述步骤S32中,所述步骤改进的相似度计算方法为:
其中SU,V表示用户U与用户V的相似度;RU,V表示用户U和用户V的共同评分资源集合;rU,i表示用户U对资源i的评分;rV,i表示用户V对资源i的评分;表示用户U对资源的平均评分;
表示用户V对资源的平均评分;
F(rU,i,rV,i)表示包含用户u对资源i的评分、用户V对资源i的评分的评分约束函数;di表示用户U和用户V对资源i评分的绝对距离;rm表示系统设定的评分范围的评分中值;RatingStart表示系统设置评分范围的其实质;RatingEnd表示系统设置的评分范围的结束值。
4.如权利要求3所述的方法,其特征在于,,在所述步骤S33中,所述引入时间函数,具体为:
其中,表示用户U对资源的平均评分;
SU,V表示用户U与用户V的相似度;
rX,i表示用户X对资源i的评分;
NU表示与用户U最相似的邻居集合;
X表示用户U最相似的邻居集合中的用户之一;
ft表示时间函数,时间函数越大,用户兴趣越新,tui表示用户对学习资源的评分时间;
N和μ为时间衰减参数。
5.如权利要求4所述的方法,其特征在于,在步骤S1中具体包括如下步骤:
从多个移动学习终端抽取大数据,并对大数据进行规则转换;
对进行规则转换后的大数据进行数据处理;
根据数据处理后的大数据建立数据库。
6.如权利要求5所述的方法,其特征在于,其中,从多个移动学习终端抽取的大数据包括:结构化数据和非结构化数据,对大数据进行规则转换的方式包括数据清洗和数据预处理,数据清洗和数据预处理包括以下至少之一:
格式标准化、异常数据清除、错误纠正、去重。