[发明专利]一种基于学习地图与协同过滤的员工个性化学习推荐方法

说明书

技术领域

本发明涉及网络技术领域，具体是一种基于学习地图与协同过滤的员工个性化学 习推荐方法。

背景技术

在线学习(e-learning)已成为企业开展员工培训的有效方式之一。目前，许多企 业搭建了在线学习支持系统。随着在线学习资源的日益丰富与学习者学习需求的更加复杂 与多样，员工需要花费较多的时间与精力在平台中查阅与检索符合自己需要的学习资源， 甚至找不到符合自身兴趣与岗位需求的资源，另一方面员工潜在的学习需求也难以被发 现。而传统的在线学习系统推送学习资源的方式又存在较大缺陷，因此有研究者借鉴推荐 系统在电子商务领域中的成功经验，将协同过滤等方法应用到在线学习系统中。但是协同 过滤方法本身所具有的评分矩阵稀疏、冷启动等问题在学习推荐系统中依然存在。

发明内容

本发明的目的在于提供一种基于学习地图与协同过滤的员工个性化学习推荐方 法，学习地图是指以能力发展路径和职业规划为主轴而设计的一系列学习活动，是员工在 企业内学习发展路径的直接体现。协同过滤是基于员工对学习项目的评分通过计算相似度 进行推荐的方法，两者的结合能起到很好的互补作用,优化个性化学习推荐过程，以解决上 述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于学习地图与协同过滤的员工个性化学习推荐方法，具体步骤如下：

(1)学习地图建模

为便于计算员工学习地图的相似度，根据企业具体的岗位级别和员工能力标签以 及现有的在线课程学习内容，从数据库获取项目属性数据和员工属性数据存储在对应的数 据库表中，采用二进制编码建立员工学习地图矩阵模型，其矩阵形式为

(2)相似度计算

①计算员工学习地图相似度，定义员工k同员工l之间的学习地图相似度为α₁，计 算方公式为

α1=12sim(k,l);]]>

其中，0＜k＜N，0＜l＜N，0＜α₁＜1/2，I_k和I_l分别是员工k与员工l的学习地图矩 阵，最终相似度为员工学习地图相似度sim(k，l)的0.5倍；

②根据员工对学习资源项目的评分矩阵计算项目k和其他项目l之间的相似度α₂计算公式如下：