学习资源分配方法和装置与流程

本申请涉及计算机技术领域，特别涉及一种学习资源分配方法和装置。

背景技术

随着教育事业的不断发展，以教案、微课音视频或考试题等内容为主的教学资源也在不断的扩展，特别是在网络上发布的学习资源。

然而，随着网络资源数量爆炸性增长，用户在面对海量的学习资源，会感觉到无所适从，即无法从海量的学习资源中选择出合适自己的学习资源，从而导致用户需要花费大量的时间精力，进行漫无边际的搜索查找，降低了用户体验。

技术实现要素：

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请一方面实施例提供一种学习资源分配方法，该方法包括：根据目标对象的特征数据，确定所述目标对象的学习模式；从资源库中获取与所述目标对象的学习模式匹配的候选资源集；将所述候选资源集发送给所述目标对象；根据所述目标对象返回的反馈信息，确定与所述目标对象对应的目标资源。

本申请另一方面实施例提供一种学习资源分配装置，该装置包括：第一确定模块，用于根据目标对象的特征数据，确定所述目标对象的学习模式；获取模块，用于从资源库中获取与所述目标对象的学习模式匹配的候选资源集；发送模块，用于将所述候选资源集发送给所述目标对象；第二确定模块，用于根据所述目标对象返回的反馈信息，确定与所述目标对象对应的目标资源。

本申请又一方面实施例提供一种电子设备，存储器及处理器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时，实现所述的学习资源分配方法。

本申请再一方面实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现所述的学习资源分配方法。

本申请实施例提供的学习资源分配方法和装置，通过根据目标对象的特征数据，确定目标对象的学习模式，以根据目标对象的学习模式，从资源库中获取与目标对象到的学习模式匹配的候选资源集，然后将候选资源集发送给目标对象，并根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。由此，实现了根据用户自身的实际情况，有针对性的进行学习资源的个性化推荐，不仅简化了用户获取操作，而且还提高了用户的学习兴趣和学习效率，改善了用户使用体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是根据本申请一示例性实施例示出的学习资源分配方法的流程示意图；

图2是根据本申请一示例性实施例示出的学习资源分配方法的流程示意图；

图3是根据本申请一示例性实施例示出的学习资源分配方法的流程示意图；

图4是根据本申请一示例性实施例示出的学习资源分配装置的结构示意图；

图5是根据本申请一示例性实施例示出的学习资源分配装置的结构示意图；

图6是根据本申请一示例性实施例示出的学习资源分配装置的结构示意图；

图7是根据本申请一示例性实施例示出的电子设备的结构示意图；

图8是根据本申请一示例性实施例示出的电子设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

本申请各实施例针对相关技术中，在互联网中获取学习资源时，用户面对海量的学习资源，无法准确的获取到适合自己的学习资源，从而导致用户需要花费大量的时间和精力，进行漫无边际的搜索查找，降低了用户体验的问题，提出一种学习资源分配方法。

本申请实施例，通过对目标对象的特征数据进行分析，以确定目标对象的学习模式，然后根据确定的学习模式，从资源库中获取与目标对象学习模式相匹配的候选资源集，并将获取的候选资源集发送给目标对象，以使目标对象从候选资源集中选择合适的候选资源，然后根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。由此，实现了根据用户自身的实际情况，有针对性的进行学习资源的个性化推荐，不仅简化了用户获取操作，而且还提高了用户的学习兴趣和学习效率，改善了用户使用体验。

下面结合附图，对本申请提供的学习资源分配方法和装置进行详细说明。

首先结合图1，对本申请实施例提供的学习资源分配方法进行详细说明。

图1是根据本申请一示例性实施例示出的学习资源分配方法的流程示意图。

如图1所示，该学习资源分配方法可以包括以下步骤：

步骤101，根据目标对象的特征数据，确定目标对象的学习模式。

可选的，本申请实施例提供的学习资源分配方法，可以由本申请实施例提供的电子设备执行。其中，电子设备中设置有学习资源分配装置，以通过学习资源分配装置对目标对象推荐的学习资源进行控制。

本实施例电子设备可以为任意一种具有计算处理能力的设备、器械或者机器，例如电子设备可以为机器人，或者为手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备，对此不作限制。

其中，目标对象可以是任意具有学习需求的用户，比如，学生、老师、工人等等。

目标对象的特征数据，可以是指表示用户自身情况的数据信息。其中，表示用户自身情况的数据信息，可以包括：学习情况、学习特点、性格和喜好等等，此处对其不作具体限定。

目标对象的学习模式，可以是指能够使用户达到最佳学习状态的方法。在本实施例中，学习模式可以包括：视觉模式、听觉模式、动作模式、缄默模式等等。

在本申请一种可选的实现形式中，可以首先对目标对象的特征数据进行获取，然后对获取的特征数据进行分析，确定出与目标对象对应的学习模式。

其中，本实施例获取的目标对象的特征数据，可以是用户自己提供的，比如，用户在学习资源分配装置中注册帐号时，提供的个人数据；或者，还可以是通过对用户的历史记录进行解析获取的等等，比如，用户在学习资源分配装置中学习时，学习资源分配装置可以实时的记录用户的学习状况，比如采集用户学习时的视频资料、语音资料或者测试资料等，然后对采集的用户的学习资料进行解析，确定用户的特征数据。此处对其不作具体限定。

可选的，在本申请实施例中，可以通过以下方式确定目标对象的学习模式：

第一种方式：将所述目标对象的特征数据输入预设的神经网络模型，根据所述预设的神经网络模型的输出，确定所述目标对象的学习模式。

在本实施例中预设的神经网络模型可以为分类模型。利用预设的分类模型，对目标对象的特征数据进行分类，确定出对应的学习模式。其中，预设的神经网络分类模型可以是通过大量的训练样本进行训练生成的，此处不作具体限定。

也就是说，本申请实施例可以将目标对象的特征数据输入至预设的神经网络模型中，通过预设的神经网络模型对目标对象的特征数据进行分析处理，以根据预设的神经网络模型的输出，确定目标对象的学习模式。

第二种方式：根据预设的特征数据与学习模式的映射关系，确定与目标对象的特征数据对应的学习模式。

其中，预设的特征数据与学习模式的映射关系，可以是电子设备默认设置的；或者，还可以通过采集大量的样本数据进行实验生成的等等，此处不作具体限定。

步骤102，从资源库中获取与目标对象的学习模式匹配的候选资源集。

其中，本实施例中资源库中可以包括不同专业的教师；或者，包括同一专业不同阶段的教师，比如初级英语教师、中级英语教师、高级英语教师等；或者，还可以包括不同领域或者相同领域的视频教学资源，比如，学术领域、建筑领域、电子领域、医学领域等等各领域的视频教学资源等等，此处对其不作具体限定。

可选的，在确定出目标对象的学习模式之后，本申请实施例即可将学习模式，与资源库中的各个资源进行匹配操作，并将匹配度超过阈值的资源确定为候选资源，然后将确定的候选资源组合成候选资源集。

其中，阈值可以是电子设备默认设置的，比如，阈值为0.95、0.98等等，对此不作具体限定。

例如，若阈值为0.95，那么当资源库中的资源a、资源b、资源c、资源d与目标对象的学习模式的匹配度分别为0.9、0.92、0.96、0.98，那么可以确定出资源c和资源d为候选资源，并将资源c和资源d组合成候选资源集。

在实际应用中，资源库中还可以包括各资源对应的教学模式。其中，教学模式可以包括：理智型教学模式、自然型教学模式、情感型教学模式、幽默型教学模式、技巧型教学模式等等。

本申请实施例中，为了确定与目标对象的学习模式匹配的候选资源，可以根据各资源分别对应的教学模式的特征，确定各教学模式对应的特征集，及各学习模式对应的特征集，进而根据教学模式对应的特征集中各特征，与学习模式对应的特征集中各特征的匹配度，确定教学模式与学习模式间是否匹配。

举例来说，理智型教学模式，对应的特征集为：教案详细、论证严密，结构严谨。情感型教学模式，对应的特征集为：情绪饱满，肢体动作丰富。

在对各资源对应的教学模式进行说明之后，本实施例的学习资源分配方法即可从资源库中获取教学模式与目标对应的学习模式匹配的候选资源集。

作为一种可选的实现方式，本实施例可将目标对象的学习模式中包括的特征数据与资源库中各资源对应的教学模式的特征数据进行匹配，当目标对象的学习模式中包括的特征数据与资源库中各资源对应的教学模式的特征数据匹配度大于阈值时，则将匹配度大于阈值的教学模式及对应的资源确定为与目标对象的学习模式匹配的候选资源集。

其中，阈值可以根据用户需求进行适应性设置，或者，可以是设备出场时厂商预先设置的，此处对其不作具体限定。比如，0.90、0.92等等。

举例来说，若1号目标对象的学习模式，为视觉模式，其对应的特征数据为：喜欢做课堂笔记、并且复习时喜欢用纸和笔一遍遍抄写、反复默写，2号目标对象的学习模式为动作模式，其对应的特征数据为：通过动作来记忆。且学习模式与教学模式的匹配阈值为0.95，那么本申请中学习资源分配装置，可将1号目标对象和2号目标对象对应的学习模式，分别与资源库中各资源对应的教学模式中的特征数据进行匹配，通过匹配可知，1号目标对象对应的学习模式中的特征数据，与资源库中理智型教学模式中的特征数据匹配度为0.98，则说明1号目标对象的学习模式与理智型教学模式相匹配，则可以将理智型教学模式及其对应的资源确定为与1号目标对象的学习模式相匹配的候选资源集；而2号目标对象的学习模式中的特征数据，与资源库中情感型教学模式中的特征数据匹配度为0.96，则说明2号目标对象的学习模式与情感型教学模式相匹配，则将情感型教学模式及其对应的资源确定为与2号目标对象的学习模式相匹配的候选资源集。

也就是说，本申请从资源库中获取与目标对象的学习模式匹配的候选资源集时，可以从资源库中获取教学模式与目标对象的学习模式匹配的候选资源集，使得向用户推送的候选资源集中不仅包括适合用户的候选资源，还包括适合用户学习模式的教学模式，从而使得用户不仅能够获取到自己满意的学习资源，还能获取到适合自己学习模式的教学模式，极大的提高了用户的学习兴趣及学习积极性，改善了用户体验。

步骤103，将候选资源集发送给目标对象。

在本实施例中，当确定出与目标对象的学习模式匹配的候选资源集之后，可将候选资源集发送给目标对象，以使目标对象从候选资源集中选择满意的学习资源。

其中，在将候选资源集发送给目标对象时，可以通过wifi、3g网络、4g网络等方式实现，此处对其不作具体限定。

进一步的，为了减少带宽占用率，本实施例还可以将确定的候选资源集进行打包压缩之后，发送给目标对象，或者，还可以是将候选资源集中各候选资源的标识信息发送给目标对象。

其中，各候选资源的标识信息，可以是资源名称、资源提供者信息等等。

步骤104，根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。

可选的，在将候选资源集发送给目标对象，且收到目标对象返回的反馈信息时，本实施例可以首先对目标对象返回的反馈信息进行解析，以确定反馈信息中携带的选择指令，然后根据选择指令，确定出对应的目标资源。

在确定出目标对象选择的目标资源之后，学习资源分配装置可将目标资源发送给目标对象，以便于目标对象根据目标资源进行学习。

也就是说，通过将获取的候选资源集发送给目标对象，以使目标对象对候选资源集中的多个资源进行分析，选择出适合自己的资源，使得电子设备可以根据用户的选择，向用户反馈对应的目标资源，从而使得用户可以根据目标资源进行自主学习。

可以理解的是，本申请实施例通过对目标对象的学习模式进行确定，以根据目标对象学习模式确定候选资源集，并将候选资源集发送给目标对象，以使目标对象从候选资源集中选择适合自己的候选资源，然后电子设备根据用户的选择将候选资源对应的资源内容推送给目标用户，从而使得用户进行自主及自助的学习。

本申请实施例提供的学习资源分配方法，通过根据目标对象的特征数据，确定目标对象的学习模式，以根据目标对象的学习模式，从资源库中获取与目标对象到的学习模式匹配的候选资源集，然后将候选资源集发送给目标对象，并根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。由此，实现了根据用户自身的实际情况，有针对性的进行学习资源的个性化推荐，不仅简化了用户获取操作，而且还提高了用户的学习兴趣和学习效率，改善了用户使用体验。

通过上述分析可知，本申请通过目标对象的学习模式，确定对应的候选资源集，并将候选资源集发送给目标对象，以根据目标对象的反馈，确定对应的目标资源。在一种可选的实现形式中，由于根据目标对象的学习模式，在资源库中可以获取到多个候选资源，为了使得目标对象尽可能选取到最佳的候选资源，本申请在将候选资源集发送给目标对象之前，还可以对候选资源集中的多个候选资源按照与目标对象的学习模式的匹配度，按照从高到低的顺序进行排序，然后再将排序后的候选资源集发送给目标对象，以使目标对象能够更高效快捷的获取到适合自己的学习资源。下面结合图2，对本申请学习资源分配方法的上述过程进行具体说明。

如图2所示，该学习资源分配方法可以包括以下步骤：

步骤201，根据目标对象的特征数据，确定目标对象的学习模式。

步骤202，从资源库中获取与目标对象的学习模式匹配的候选资源集。

步骤203，根据候选资源集中各候选资源与目标对象的学习模式的匹配度，确定候选资源集中各候选资源的排序。

可选的，在获取到候选资源集之后，本申请可以首先对资源库中的各资源进行解析处理，以确定资源库中各资源对应的教学模式，然后再将确定的各资源对应的教学模式与目标对象的学习模式进行匹配，以确定出各资源对应的教学模式与目标对象的学习模式的匹配度，从而根据各匹配度确定各候选资源的先后顺序。

在本实施例中，教学模式可以包括：讲授式教学模式、启发式教学模式、讨论式教学模式等等。

其中，讲授式教学模式，主要是以老师活动为主，即以老师的讲解、演示、范读为主；启发式教学模式，则是老师在教学过程中，以谈话、问答、揭示等引导学生主动、积极、自觉地掌握知识的教学形式；讨论式教学模式，是学生在老师的指导下，就教材中的基础理论或主要疑难问题，在独立钻研的基础上，共同进行讨论、辩论的教学组织形式。

步骤204，将候选资源集发送给目标对象。

步骤205，根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。

其中，上述步骤204-205的具体实现过程及原理，可以参照上述实施例的详细描述，此处不再赘述。

在本申请的另一种可选的实现形式中，为了使得目标对象接收到电子设备发送的候选资源集之后，能够更快捷方便的获取到符合自己需求的目标资源，本实施例在将候选资源集发送给目标对象之前，还可以获取候选资源集中各候选资源的属性信息及历史服务信息，然后将候选资源集中各候选资源对应的属性信息及历史服务信息，发送给目标对象。

其中，在本实施例中，候选资源的属性信息，可以包括以下信息中的至少一个：年龄、性别、画像、空闲时间，此处对其不作具体限定。

历史服务信息，可以包括以下信息中的至少一个：历史服务对象标识、历史服务对象对应的服务时长、历史服务对象的反馈数据、与历史服务关联的多媒体数据，此处对其不作具体限定。

其中，历史服务对象标识可以是对象真实姓名、或者对象的帐号信息、id等等。

历史服务对象的反馈数据，可以对象对候选资源内容及提供者的评价信息等等。

也就是说，通过获取候选资源集中各候选资源的属性信息及历史服务信息，使得目标对象在接收到候选资源集之后，可以根据各候选资源的属性信息及历史服务信息，确定出适合自己的目标资源，以根据确定的目标资源进行后续的学习。

本申请实施例提供的学习资源分配方法，通过根据目标对象的特征数据，确定目标对象的学习模式，以根据目标对象的学习模式，从资源库中获取与目标对象到的学习模式匹配的候选资源集，并对候选资源集中各候选资源与目标对象的学习模式的匹配度进行确定，然后根据各候选资源与目标对象的学习模式的匹配度，对候选资源集中的各候选资源进行排序，然后将排序后的候选资源集发送给目标对象，并根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。由此，实现了根据用户自身的实际情况，有针对性的进行学习资源的个性化推荐，不仅简化了用户获取操作，而且还提高了用户的学习兴趣和学习效率，改善了用户使用体验，并且根据排序后的候选资源集，不仅提高了用户获取学习资源的速度，还能保证获取到的学习资源更符合用户实际情况，进一步满足了用户需求，提高了用户满意度。

通过上述分析可知，本申请实施例通过对候选资源集中的各候选资源进行排序，以将排序后的候选资源集发送给目标对象，并接收用户返回的反馈信息，确定与目标对象对应的目标资源。

在具体实现时，由于用户可以是学生，并且每个学生所上年纪不同，因此为了向不同学生推荐适合自己当前年纪对应的资源及老师，本申请在确定出目标对象的学习模式之后，还可以进一步的确定目标对象当前对应的知识集，然后根据上述知识集，从资源库中获取对应的候选资源集，以将获取的候选资源集发送给目标对象，以便于目标对象可以根据上述候选资源集获取对应的学习资源。下面结合图3，对本申请学习资源分配方法的上述过程进行具体说明。

图3是根据本申请一示例性实施例示出的学习资源分配方法的流程示意图。

如图3所示，该学习资源分配方法可以包括以下步骤：

步骤301，根据目标对象的特征数据，确定目标对象的学习模式。

步骤302，根据目标对象对应的第一知识集合及资源库中各资源分别对应的第二知识集合，确定与目标对象对应的初始候选资源集。

可选地，知识集合，是根据用户的学习能力确定的，即知识集合中的知识点为用户所需要学习的知识点。可以理解的是，由于不同用户的学习能力不同，因此，不同用户对应的知识集合可以不同。例如，一般情况下，对于高年级的学生，其需学习的知识点难度，高于低年级的学生。或者，对于同年级的学生，由于每个学生对应的学习能力的不同，不同学生之间的所需学习的知识点也是不同的。

在执行步骤302之前，本申请可以首先确定出目标对象对应的第一知识集合。

可选的，本实施例可以通过以下方式，实现对目标对应对象对应的第一知识集合进行确定。

第一种实现方式：

根据目标对象的历史学习记录，确定目标对象对应的第一知识集合。

其中，用户的历史学习记录可以包括：用户输入的查询序列，历史作答内容等等。

由于在实际应用中，用户的历史学习记录可以表征用户的身份信息，因此本申请可以通过分析目标对象的历史学习记录，即可确定目标对象对应的第一知识集合。

举例来说，若目标对象xx的历史学习记录包括：周三晚上21：30，查阅3年纪数学资料，周五晚上20：00，查阅3年纪英语资料、周六上午10：21，查阅3年纪英语资料，则可以根据上述历史学习记录可以确定出目标对象xx应该为3年纪的学生，那么对应的可以将3年纪对应的学习内容组成的集合，确定为目标对象xx的第一知识集合。

本申请实施例中，根据用户的历史学习记录，确定用户对应的目标知识集合，能够反映用户的历史学习能力，即能够反映用户之前的学习能力。

第二种实现方式：

根据目标对象对应的知识测试结果，确定目标对象对应的第一知识集合。

作为一种可能的实现方式，用户可以在线进行知识测试，当测试结束时，可以确定用户对应的知识测试结果，进而本申请中的学习资源分配装置，可以根据用户对应的知识测试结果，可以确定用户对应的第一知识集合。

可选地，用户可以使用电子设备在线进行知识测试，其中，知识测试可以具有选择题、填空题、应用题等测试试题，针对每一道测试试题，用户可以输入答案或选中答案。本申请中，学习资源分配装置可以获取测试试题对应的标准答案，并将测试试题的标准答案与相应的用户答案进行比对，得到答案差异程度。而后根据答案差异程度，可以确定每一道测试试题对应的知识点的掌握程度，从而当知识测试结束后，可以根据每一道测试试题对应的知识点的掌握程度，确定用户对应的第一知识集合。

本申请实施例中，知识测试结果是用户本次与电子设备进行对话之前，使用电子设备在线进行测试所得到的，根据知识测试结果确定用户对应的第一知识集合，可以保证第一知识集合中知识点的实时性，即使用户在线下进行学习后，导致用户掌握的知识点变更时，根据用户对应的知识测试结果，确定用户对应的第一知识集合，仍然能够实现对第一知识集合进行更新，从而实现对第一知识集合的动态维护，进而能够保证所确定的用户的学习能力的实时性和准确性。

在获取到目标对象对应的第一知识集合之后，电子设备可将第一知识集合与资源库中各资源分别对应的第二知识集合进行匹配，以将匹配度超过阈值的第二知识集合对应的各资源，确定为初始候选资源集。

步骤303，从初始候选资源集中，获取与目标对象的学习模式匹配的候选资源集。

在本实施例中，由于获取的初始候选资源集可以包括多个候选资源，且多个候选资源分别对应不同的教学模式，因此为了获取到与目标对象相匹配的候选资源，本实施例还可以利用目标对象的学习模式，对初始候选资源集进行进一步的筛选，以将初始候选资源集中与目标对象的学习模式不匹配的候选资源剔除，从而生成与目标对象的学习模式匹配，且与目标对象对应的第一知识集合相匹配的候选资源集。

步骤304，将候选资源集发送给所述目标对象。

步骤305，根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。

其中，上述步骤304-305的具体实现过程及原理，可以参照上述实施例的详细描述，此处不再赘述。

本申请实施例提供的学习资源分配方法，通过确定目标对象对应的第一知识集合，以从资源库中各资源分别对应的第二知识集合中，确定出与目标对象对应的初始候选资源集，然后再根据目标对象的学习模式对初始候选资源集进行筛选得到候选资源集，然后将候选资源集发送给目标对象，并根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。由此，使得生成的候选资源集中包括的各候选资源，更符合用户需求，从而实现了根据用户自身的实际情况，有针对性的进行学习资源的个性化推荐，不仅简化了用户获取操作，而且还提高了用户的学习兴趣和学习效率，改善了用户使用体验。

在示例性实施例中，还提供了一种学习资源分配装置。

图4是根据本申请一示例性实施例示出的学习资源分配装置的结构示意图。

参照图4所示，本申请的学习资源分配装置包括：第一确定模块110、获取模块120、发送模块130及第二确定模块140。

其中，第一确定模块110用于根据目标对象的特征数据，确定所述目标对象的学习模式；

获取模块120用于从资源库中获取与所述目标对象的学习模式匹配的候选资源集；

发送模块130用于将所述候选资源集发送给所述目标对象；

第二确定模块140用于根据所述目标对象返回的反馈信息，确定与所述目标对象对应的目标资源。

作为一种可选的实现形式，所述第一确定模块110，具体用于：根据预设的特征数据与学习模式的映射关系，确定与所述目标对象的特征数据对应的学习模式；或者，将所述目标对象的特征数据输入预设的神经网络模型，根据所述预设的神经网络模型的输出，确定所述目标对象的学习模式。

作为一种可选的实现形式，由于本实施例中资源库中包括各资源对应的教学模式，因此所述获取模块120，具体用于：从资源库中获取教学模式与所述目标对象的学习模式匹配的候选资源集。

需要说明的是，前述对学习资源分配方法实施例的解释说明也适用于该实施例的学习资源分配装置，其实现原理类似，此处不再赘述。

本申请实施例提供的学习资源分配装置，通过根据目标对象的特征数据，确定目标对象的学习模式，以根据目标对象的学习模式，从资源库中获取与目标对象到的学习模式匹配的候选资源集，然后将候选资源集发送给目标对象，并根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。由此，实现了根据用户自身的实际情况，有针对性的进行学习资源的个性化推荐，不仅简化了用户获取操作，而且还提高了用户的学习兴趣和学习效率，改善了用户使用体验。

在示例性实施例中，还提供了一种学习资源分配装置。

图5是根据本申请一示例性实施例示出的学习资源分配装置的结构示意图。

参照图5所示，本申请的学习资源分配装置包括：第一确定模块110、获取模块120、发送模块130、第二确定模块140。

其中，第一确定模块110用于根据目标对象的特征数据，确定所述目标对象的学习模式；

获取模块120用于从资源库中获取与所述目标对象的学习模式匹配的候选资源集；

所述获取模块120具体用于：对资源库中各资源进行解析处理，确定所述资源库中各资源对应的教学模式；确定所述各资源对应教学模式与所述目标对象的学习模式的匹配度。

作为一种可选的实现形式，本申请学习资源分配装置包括：排序模块150。

其中，排序模块150用于根据所述候选资源集中各候选资源与所述目标对象的学习模式的匹配度，确定所述候选资源集中各候选资源的排序。

发送模块130用于将所述候选资源集发送给所述目标对象；

第二确定模块140用于根据所述目标对象返回的反馈信息，确定与所述目标对象对应的目标资源。

作为另一种可选的实现形式，本申请学习资源分配装置包括：第二获取模块。

其中，第二获取模块用于获取所述候选资源集中各候选资源的属性信息及历史服务信息。

所述发送模块130具体用于将所述候选资源集中各候选资源对应的属性信息及历史服务信息，发送给所述目标对象。

所述候选资源的属性信息，包括以下信息中的至少一个：年龄、性别、画像、空闲时间；

所述历史服务信息，包括以下信息中的至少一个：历史服务对象标识、历史服务对象对应的服务时长、历史服务对象的反馈数据、与历史服务关联的多媒体数据。

需要说明的是，前述对学习资源分配方法实施例的解释说明也适用于该实施例的学习资源分配装置，其实现原理类似，此处不再赘述。

本申请实施例提供的学习资源分配装置，通过根据目标对象的特征数据，确定目标对象的学习模式，以根据目标对象的学习模式，从资源库中获取与目标对象到的学习模式匹配的候选资源集，并对候选资源集中各候选资源与目标对象的学习模式的匹配度进行确定，然后根据各候选资源与目标对象的学习模式的匹配度，对候选资源集中的各候选资源进行排序，然后将排序后的候选资源集发送给目标对象，并根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。由此，实现了根据用户自身的实际情况，有针对性的进行学习资源的个性化推荐，不仅简化了用户获取操作，而且还提高了用户的学习兴趣和学习效率，改善了用户使用体验，并且根据排序后的候选资源集，不仅提高了用户获取学习资源的速度，还能保证获取到的学习资源更符合用户实际情况，进一步满足了用户需求，提高了用户满意度。

在示例性实施例中，还提供了一种学习资源分配装置。

如图6所示，本申请的学习资源分配装置包括：第一确定模块110、获取模块120、发送模块130、第二确定模块140、第三确定模块160。

其中，第一确定模块110用于根据目标对象的特征数据，确定所述目标对象的学习模式；

第三确定模块160用于根据所述目标对象对应的第一知识集合及所述资源库中各资源分别对应的第二知识集合，确定与所述目标对象对应的初始候选资源集；

获取模块120具体用于从所述初始候选资源集中，获取与所述目标对象的学习模式匹配的候选资源集；

发送模块130用于将所述候选资源集发送给所述目标对象；

第二确定模块140用于根据所述目标对象返回的反馈信息，确定与所述目标对象对应的目标资源。

其中，所述第三确定模块160具体用于：

根据所述目标对象的历史学习记录，确定所述目标对象对应的第一知识集合；

和/或，

根据所述目标对象对应的知识测试结果，确定所述目标对象对应的第一知识集合。

需要说明的是，前述对学习资源分配方法实施例的解释说明也适用于该实施例的学习资源分配，其实现原理类似，此处不再赘述。

本本申请实施例提供的学习资源分配装置，通过确定目标对象对应的第一知识集合，以从资源库中各资源分别对应的第二知识集合中，确定出与目标对象对应的初始候选资源集，然后再根据目标对象的学习模式对初始候选资源集进行筛选得到候选资源集，然后将候选资源集发送给目标对象，并根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。由此，使得生成的候选资源集中包括的各候选资源，更符合用户需求，从而实现了根据用户自身的实际情况，有针对性的进行学习资源的个性化推荐，不仅简化了用户获取操作，而且还提高了用户的学习兴趣和学习效率，改善了用户使用体验。

在示例性实施例中，还提供了一种电子设备。

图7是根据一示例性实施例示出的电子设备的结构示意图。图7显示的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

参照图7，该电子设备200包括：存储器210及处理器220，所述存储器210存储有计算机程序，所述计算机程序被处理器220执行时，使得所述处理器220执行如下步骤：根据目标对象的特征数据，确定所述目标对象的学习模式；从资源库中获取与所述目标对象的学习模式匹配的候选资源集；将所述候选资源集发送给所述目标对象；根据所述目标对象返回的反馈信息，确定与所述目标对象对应的目标资源。

在一些实施例中，所述将所述候选资源集发送给所述目标对象之前，还包括：根据所述候选资源集中各候选资源与所述目标对象的学习模式的匹配度，确定所述候选资源集中各候选资源的排序。

在一些实施例中，所述确定所述候选资源集中各候选资源的排序之前，还包括：对资源库中各资源进行解析处理，确定所述资源库中各资源对应的教学模式；确定所述各资源对应教学模式与所述目标对象的学习模式的匹配度。

在一些实施例中，所述从资源库中获取与所述目标对象的学习模式匹配的候选资源集之前，还包括：根据所述目标对象对应的第一知识集合及所述资源库中各资源分别对应的第二知识集合，确定与所述目标对象对应的初始候选资源集；所述从资源库中获取与所述目标对象的学习模式匹配的候选资源集，包括：从所述初始候选资源集中，获取与所述目标对象的学习模式匹配的候选资源集。

在一些实施例中，所述确定与所述目标对象对应的初始候选资源集之前，还包括：根据所述目标对象的历史学习记录，确定所述目标对象对应的第一知识集合；和/或，根据所述目标对象对应的知识测试结果，确定所述目标对象对应的第一知识集合。

在一些实施例中，所述将所述候选资源集发送给所述目标对象之前，还包括：获取所述候选资源集中各候选资源的属性信息及历史服务信息；所述将所述候选资源集发送给所述目标对象，包括：将所述候选资源集中各候选资源对应的属性信息及历史服务信息，发送给所述目标对象。在一些实施例中，所述确定所述标准语音的播放模式，包括：确定所述标准语音的播放次数、播放速度、和/或所述标准语音与辅助语音的关联方式。

在一些实施例中，所述候选资源的属性信息，包括以下信息中的至少一个：年龄、性别、画像、空闲时间；所述历史服务信息，包括以下信息中的至少一个：历史服务对象标识、历史服务对象对应的服务时长、历史服务对象的反馈数据、与历史服务关联的多媒体数据。

在一些实施例中，所述根据目标对象的特征数据，确定所述目标对象的学习模式，包括：根据预设的特征数据与学习模式的映射关系，确定与所述目标对象的特征数据对应的学习模式；或者，将所述目标对象的特征数据输入预设的神经网络模型，根据所述预设的神经网络模型的输出，确定所述目标对象的学习模式。

在一些实施例中，所述资源库中包括各资源对应的教学模式；所述从资源库中获取与所述目标对象的学习模式匹配的候选资源集，包括：从资源库中获取教学模式与所述目标对象的学习模式匹配的候选资源集。

在一种可选的实现形式中，如图8所示，该电子设备200还可以包括：存储器210及处理器220，连接不同组件(包括存储器210和处理器220)的总线230，存储器210存储有计算机程序，当处理器220执行所述程序时实现本申请实施例所述的学习资源分配方法

总线230表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

电子设备200典型地包括多种电子设备可读介质。这些介质可以是任何能够被电子设备200访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器210还可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)240和/或高速缓存存储器250。电子设备200可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统260可以用于读写不可移动的、非易失性磁介质(图8未显示，通常称为“硬盘驱动器”)。尽管图8中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线230相连。存储器210可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组(至少一个)程序模块270的程序/实用工具280，可以存储在例如存储器210中，这样的程序模块270包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块270通常执行本申请所描述的实施例中的功能和/或方法。

电子设备200也可以与一个或多个外部设备290(例如键盘、指向设备、显示器291等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口292进行。并且，电子设备200还可以通过网络适配器293与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器293通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

需要说明的是，前述对学习资源分配方法实施例的解释说明也适用于该实施例的电子设备，其实现原理类似，此处不再赘述。

本申请实施例提供的电子设备，通过根据目标对象的特征数据，确定目标对象的学习模式，以根据目标对象的学习模式，从资源库中获取与目标对象到的学习模式匹配的候选资源集，然后将候选资源集发送给目标对象，并根据目标对象返回的反馈信息，确定与目标对象对应的目标资源。由此，实现了根据用户自身的实际情况，有针对性的进行学习资源的个性化推荐，不仅简化了用户获取操作，而且还提高了用户的学习兴趣和学习效率，改善了用户使用体验。

在示例性实施例中，本申请还提出了一种非暂态计算机可读存储介质。

上述非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现所述的学习资源分配方法。

在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。