一种基于用户特征的智慧教育方案推送方法及系统

技术领域

本发明涉及方案推送领域，特别是一种基于用户特征的智慧教育方案推送方法及系统。

背景技术

智慧教育方案是一种综合运用先进的信息技术、人工智能技术和教育学理论的教育模式。向用户推送智慧教育方案能够通过科技手段改善教育教学的质量、效率和个性化程度，以更好地满足学生、教育者和教育管理者的需求。智慧教育方案涉及多个学科，不同用户的薄弱学科不同，所以向不同用户推送的智慧教育方案也不同。智慧教育方案中的教学方法五花八门，拥有多种主题，不同用户对不同主题的智慧教育方案的接受度、感兴趣度也不相同，所以需要对用户的特征信息进行分析，基于用户的各种特征信息向目标用户推送合适的智慧教育方案，有助于提高用户的学习效果，激发用户的学习兴趣，并提高用户的参与度和满意度。

发明内容

本发明克服了现有技术的不足，提供了一种基于用户特征的智慧教育方案推送方法及系统。

为达到上述目的，本发明采用的技术方案为：

本发明第一方面提供了一种基于用户特征的智慧教育方案推送方法，包括以下步骤：

获取目标用户的个人信息，并对目标用户的个人信息进行分析，基于分析结果评定目标用户的学科学习状态；

当目标用户对于不合格学科的学习状态处于一类学习状态，则获取目标用户在不合格学科上的薄弱学习阶段，并对薄弱学习阶段对应的教学方案进行分析筛选，得到第一智慧教育方案；

当目标用户对于不合格学科的学习状态处于二类学习状态，则获取辅助学科，并对辅助学科和不合格学科的教学方案进行筛选和数据融合，得到第二智慧教育方案；

分析目标用户的历史登录信息，得到第一可推送时间点和第二可推送时间点，并根据第一可推送时间点和第二可推送时间点向目标用户推送对应的智慧教育方案；

实时分析目标用户对目标推送内容的学习情况，基于学习情况分析结果对目标用户进行学习效果评估，并根据学习效果评估结果对目标推送内容进行优化。

进一步的，本发明的一个较佳实施例中，所述获取目标用户的个人信息，并对目标用户的个人信息进行分析，基于分析结果评定目标用户的学科学习状态，具体为：

获取目标用户，并在智慧教育网站中，分析目标用户在智慧教育网站内是否存在历史登录信息，若是，则在智慧教育网站的个人信息存储库中获取目标用户的个人信息；

若否，则在智慧教育网站中使用调查问卷获取目标用户的个人信息，所述个人信息包括目标用户对不同学科的学习历史、对不同学科的偏好程度以及个人兴趣爱好；

预设标准学科偏好程度，对目标用户对不同学科的偏好程度进行分析，若目标用户对学科的偏好程度大于标准学科偏好程度，则将对应学科定义为一类偏好学科，若目标用户对学科的偏好程度小于标准学科偏好程度，则将对应学科定义为二类偏好学科；

基于目标用户对不同学科的学习历史，获取目标用户在不同学科上的平均学习成绩，分析目标用户在不同学科上的平均学习成绩，将平均学习成绩不达到预设值的学科定义为不合格学科；

若不合格学科为一类偏好学科，则在智慧教育网站中将目标用户对于不合格学科的学习状态评定为一类学习状态；

若不合格学科为二类偏好学科，则在智慧教育网站中将目标用户对于不合格学科的学习状态评定为二类学习状态。

进一步的，本发明的一个较佳实施例中，所述当目标用户对于不合格学科的学习状态处于一类学习状态，则获取目标用户在不合格学科上的薄弱学习阶段，并对薄弱学习阶段对应的教学方案进行分析筛选，得到第一智慧教育方案，具体为：

若目标用户对于不合格学科的学习状态处于一类学习状态，则基于目标用户对不同学科的学习历史，获取目标用户在不合格学科内各学习阶段的学习成绩，并将学习成绩低于预设值的不合格学科学习阶段定义为薄弱学习阶段；

在大数据网络中，获取所有薄弱学习阶段教学方案，且不同的薄弱学习阶段教学方案中均包含若干教学子方案；

在智慧教育网站中获取所有薄弱学习阶段教学方案中所有教学子方案的评价信息，并在大数据网络中获取言语情感分析知识图谱，将所有薄弱学习阶段教学方案中所有教学子方案的评价信息导入言语情感分析知识图谱中进行评价信息评分；

将评价信息评分低于预设值的教学子方案剔除，选取评价信息评分高于预设值的教学子方案，定义为合格教学子方案；

将所述合格教学子方案转变为合格教学子方案特征数据，引入余弦度量算法计算各合格教学子方案特征数据之间的相似度，并基于各合格教学子方案特征数据之间的相似度，对合格教学子方案进行类型划分；

对同类型的合格教学子方案进行评价信息评分倒序排序，并在同类型的合格教学子方案中将评价信息评分最高的合格教学子方案定义为合适教学子方案；

将所有的合适教学子方案进行数据融合，得到第一智慧教育方案。

进一步的，本发明的一个较佳实施例中，所述当目标用户对于不合格学科的学习状态处于二类学习状态，则获取辅助学科，并对辅助学科和不合格学科的教学方案进行筛选和数据融合，得到第二智慧教育方案，具体为：

若目标用户对于不合格学科的学习状态处于二类学习状态，则获取所有一类偏好学科的教学性质，并获取不合格学科的教学性质；

将所有一类偏好学科的教学性质转变为一类偏好学科教学性质特征数据，同时将不合格学科的教学性质转变为不合格学科教学性质特征数据，构建共现矩阵，并将所有一类偏好学科教学性质特征数据与不合格学科教学性质特征数据导入至共现矩阵中进行分析；

预设标准共现次数，若在共现矩阵中，存在一类偏好学科教学性质特征数据与不合格学科教学性质特征数据的共现次数大于标准共现次数，则将对应的一类偏好学科定义为辅助学科；

获取辅助学科的所有教学方案和不合格学科的所有教学方案，分别提取辅助学科中不同教学方案的主题特征信息，以及不合格学科中不同教学方案的主题特征信息；

将目标用户的个人兴趣爱好导入深度学习网络中进行预测，得到目标用户偏好主题特征信息，计算目标用户偏好主题特征信息与辅助学科中不同教学方案的主题特征信息的欧氏距离，以及计算目标用户偏好主题特征信息与不合格学科中不同教学方案的主题特征信息的欧氏距离；

预设欧氏距离标准区间，将欧氏距离在欧氏距离标准区间内的辅助学科教学方案定义为待定辅助学科教学方案，并将欧氏距离在欧氏距离标准区间内的不合格学科教学方案定义为待定不合格学科教学方案；

获取待定辅助学科教学方案和待定不合格学科教学方案的评价信息评分，将评价信息评分最高的待定辅助学科教学方案和待定不合格学科教学方案分别定义为第一辅助学科教学方案和第一不合格学科教学方案；

将所述第一辅助学科教学方案和第一不合格学科教学方案进行数据融合，得到第二智慧教育方案。

进一步的，本发明的一个较佳实施例中，所述分析目标用户的历史登录信息，得到第一可推送时间点和第二可推送时间点，并根据第一可推送时间点和第二可推送时间点向目标用户推送对应的智慧教育方案，具体为：

在智慧教育网站中，若目标用户在智慧教育网站内存在历史登录信息，则将目标用户定义为老用户，若目标用户在智慧教育网站内不存在历史登录信息，则将目标用户定义为新用户；

若目标用户为老用户，则获取目标用户的所有历史登录信息，基于所述历史登录信息，获取目标用户在智慧教育网站上的所有登录时间点，并基于目标用户在智慧教育网站上的所有登录时间点，构建登录时间点分布图；

所述登录时间点分布图中存在所有登录时间点的出现频率，将出现频率大于预设值的登录时间点定义为第一可推送时间点；

若目标用户为新用户，则获取所有老用户的第一可推送时间点，并对所有老用户的第一可推送时间点进行重合率计算，得到不同的重合时间点，预设标准重合率，将重合率大于标准重合率的重合时间点定义为第二可推送时间点；

在智慧教育网站中，若目标用户对于不合格学科的学习状态处于一类学习状态，且目标用户为老用户，则在第一可推送时间点内向目标用户推送第一智慧教育方案；

若目标用户为新用户，则在第二可推送时间点内向目标用户推送第一智慧教育方案；

若目标用户对于不合格学科的学习状态处于二类学习状态，且目标用户为老用户，则在第一可推送时间点内向目标用户推送第二智慧教育方案；

若目标用户为新用户，则在第二可推送时间点内向目标用户推送第二智慧教育方案；

将所述第一智慧教育方案和第二教育智慧方案统称为目标推送内容。

进一步的，本发明的一个较佳实施例中，所述实时分析目标用户对目标推送内容的学习情况，基于学习情况分析结果对目标用户进行学习效果评估，并根据学习效果评估结果对目标推送内容进行优化，具体为：

在目标用户开始学习目标推送内容后，通过智慧教育网站实时获取目标用户对目标推送内容的学习情况，所述目标用户对目标推送内容的学习情况包括目标用户的学习进度和学习成绩；

预设标准学习时间，若在标准学习时间内，目标用户的学习进度和学习成绩均满足预设情况，则将目标用户的学习效果评估为优秀；

若在标准学习时间内，目标用户的学习进度小于预设值，但目标用户的学习成绩满足预设情况，则将目标用户的学习效果评估为良好，获取标准学习时间内的标准学习进度，并在标准学习时间内，计算标准学习进度和当前学习进度的偏差值；

获取目标推送内容的标准学习时间，对所述标准学习进度和当前学习进度的偏差值与目标推送内容的标准学习时间进行预测处理，得到目标用户合适学习时间，并基于所述目标用户合适学习时间，对目标推送内容进行优化，得到一类优化目标推送内容；

若在标准学习时间内，目标用户的学习成绩小于预设值，则将目标用户的学习效果评估为不及格，并停止向目标用户推送目标推送内容。

本发明第二方面还提供了一种基于用户特征的智慧教育方案推送系统，所述智慧教育方案推送系统包括存储器与处理器，所述存储器中储存有智慧教育方案推送方法，所述智慧教育方案推送方法被所述处理器执行时，实现如下步骤：

获取目标用户的个人信息，并对目标用户的个人信息进行分析，基于分析结果评定目标用户的学科学习状态；

当目标用户对于不合格学科的学习状态处于一类学习状态，则获取目标用户在不合格学科上的薄弱学习阶段，并对薄弱学习阶段对应的教学方案进行分析筛选，得到第一智慧教育方案；

当目标用户对于不合格学科的学习状态处于二类学习状态，则获取辅助学科，并对辅助学科和不合格学科的教学方案进行筛选和数据融合，得到第二智慧教育方案；

分析目标用户的历史登录信息，得到第一可推送时间点和第二可推送时间点，并根据第一可推送时间点和第二可推送时间点向目标用户推送对应的智慧教育方案；

实时分析目标用户对目标推送内容的学习情况，基于学习情况分析结果对目标用户进行学习效果评估，并根据学习效果评估结果对目标推送内容进行优化。

本发明解决的背景技术中存在的技术缺陷，本发明具备以下有益效果：根据目标用户的个人信息，判断目标用户的学科学习状态，并对目标用户的不同学科学习状态进行分析，获取第一智慧教育方案和第二智慧教育方案；对目标用户的历史登录信息进行分析，基于历史登录信息分析结果得到第一可推送时间点和第二可推送时间点；结合第一可推送时间点和第二可推送时间点向目标用户推送对于智慧教育方案后，实时分析目标用户的学习情况，并根据学习情况分析结果对目标用户进行学习效果评估以及对目标推送内容进行优化处理。本发明能够基于用户的特征信息，在智慧教育网站中筛选智慧教育方案并将智慧教育方案推送给用户，方便用户的进行学习，提高用户的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1示出了一种基于用户特征的智慧教育方案推送方法的流程图；

图2示出了获取第一智慧教育方案和第二智慧教育方案的方法流程图；

图3示出了一种基于用户特征的智慧教育方案推送系统的程序视图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了一种基于用户特征的智慧教育方案推送方法的流程图，包括以下步骤：

S102：获取目标用户的个人信息，并对目标用户的个人信息进行分析，基于分析结果评定目标用户的学科学习状态；

S104：当目标用户对于不合格学科的学习状态处于一类学习状态，则获取目标用户在不合格学科上的薄弱学习阶段，并对薄弱学习阶段对应的教学方案进行分析筛选，得到第一智慧教育方案；

S106：当目标用户对于不合格学科的学习状态处于二类学习状态，则获取辅助学科，并对辅助学科和不合格学科的教学方案进行筛选和数据融合，得到第二智慧教育方案；

S108：分析目标用户的历史登录信息，得到第一可推送时间点和第二可推送时间点，并根据第一可推送时间点和第二可推送时间点向目标用户推送对应的智慧教育方案；

S110：实时分析目标用户对目标推送内容的学习情况，基于学习情况分析结果对目标用户进行学习效果评估，并根据学习效果评估结果对目标推送内容进行优化。

进一步的，本发明的一个较佳实施例中，所述获取目标用户的个人信息，并对目标用户的个人信息进行分析，基于分析结果评定目标用户的学科学习状态，具体为：

获取目标用户，并在智慧教育网站中，分析目标用户在智慧教育网站内是否存在历史登录信息，若是，则在智慧教育网站的个人信息存储库中获取目标用户的个人信息；

若否，则在智慧教育网站中使用调查问卷获取目标用户的个人信息，所述个人信息包括目标用户对不同学科的学习历史、对不同学科的偏好程度以及个人兴趣爱好；

预设标准学科偏好程度，对目标用户对不同学科的偏好程度进行分析，若目标用户对学科的偏好程度大于标准学科偏好程度，则将对应学科定义为一类偏好学科，若目标用户对学科的偏好程度小于标准学科偏好程度，则将对应学科定义为二类偏好学科；

基于目标用户对不同学科的学习历史，获取目标用户在不同学科上的平均学习成绩，分析目标用户在不同学科上的平均学习成绩，将平均学习成绩不达到预设值的学科定义为不合格学科；

若不合格学科为一类偏好学科，则在智慧教育网站中将目标用户对于不合格学科的学习状态评定为一类学习状态；

若不合格学科为二类偏好学科，则在智慧教育网站中将目标用户对于不合格学科的学习状态评定为二类学习状态。

需要说明的是，由于学科的种类很多，所以智慧教育方案种类也很多。一种智慧教育方案通常对应一种学科，而目标用户一次也只能学习一种学科，所以需要对目标用户进行学科方面的分析。在智慧教育网站中，若目标用户是第一次登录，则网站中没有存储有目标用户的个人信息。通过调查问卷可以获取目标用户的个人信息；反之，若用户有历史登录信息，则可以在网站中直接获取目标用户的个人信息。不同用户对学科的偏好程度不同，部分用户可能更喜欢语文、英语，而部分用户则喜欢数学等科目。根据用户对不同学科的偏好程度，获取目标用户的一类偏好学科和二类偏好学科。其中一类偏好学科为较喜欢的学科，二类偏好学科为不喜欢的学科。目标用户对不同学科的平均学习成绩也不同，将平均学习成绩较差的学科定义为不合格学科。若不合格学科同时是一类偏好学科，证明目标用户对不合格学科存在学习兴趣，所以生成一类学习状态；若不合格学科同时是二类偏好学科，证明目标用户对不合格学科不存在学习兴趣，所以生成二类学习状态。本发明能够通过对目标用户对学科的偏好程度和学科的学习成绩，判断目标用户对于不合格学科的学习状态。

进一步的，本发明的一个较佳实施例中，所述分析目标用户的历史登录信息，得到第一可推送时间点和第二可推送时间点，并根据第一可推送时间点和第二可推送时间点向目标用户推送对应的智慧教育方案，具体为：

在智慧教育网站中，若目标用户在智慧教育网站内存在历史登录信息，则将目标用户定义为老用户，若目标用户在智慧教育网站内不存在历史登录信息，则将目标用户定义为新用户；

若目标用户为老用户，则获取目标用户的所有历史登录信息，基于所述历史登录信息，获取目标用户在智慧教育网站上的所有登录时间点，并基于目标用户在智慧教育网站上的所有登录时间点，构建登录时间点分布图；

所述登录时间点分布图中存在所有登录时间点的出现频率，将出现频率大于预设值的登录时间点定义为第一可推送时间点；

若目标用户为新用户，则获取所有老用户的第一可推送时间点，并对所有老用户的第一可推送时间点进行重合率计算，得到不同的重合时间点，预设标准重合率，将重合率大于标准重合率的重合时间点定义为第二可推送时间点；

在智慧教育网站中，若目标用户对于不合格学科的学习状态处于一类学习状态，且目标用户为老用户，则在第一可推送时间点内向目标用户推送第一智慧教育方案；

若目标用户为新用户，则在第二可推送时间点内向目标用户推送第一智慧教育方案；

若目标用户对于不合格学科的学习状态处于二类学习状态，且目标用户为老用户，则在第一可推送时间点内向目标用户推送第二智慧教育方案；

若目标用户为新用户，则在第二可推送时间点内向目标用户推送第二智慧教育方案；

将所述第一智慧教育方案和第二教育智慧方案统称为目标推送内容。

需要说明的是，在生成第一智慧教育方案和第二智慧教育方案后，需要在一个合适的时间点向目标用户推送上述方案。而目标用户存在新用户和老用户，对于老用户，由于老用户曾经在智慧教育网站内登录并学习，所以在智慧教育网站中存储有老用户的全部历史登录时间点。对老用户的全部历史登录时间点进行分析，出现频率较高的时间点即为老用户日常登录智慧教育网站的时间点，所以选用出现频率较高的时间点作为向老用户推送智慧教育方案的时间点，即第一可推送时间点，确保老用户能及时接收智慧教育方案。对于新用户，由于新用户第一次登陆网站，所以需要结合老用户的所有可推送时间点进行分析，得到一个新的可推送时间点。计算所有老用户的第一可推送时间点的重合率，重合率较高的时间点代表在这个点比较多用户登录智慧教育网站，是热门时间，所以将重合率较高的时间点作为向新用户推送智慧教育方案的时间点，即第二可推送时间点。本发明可以基于第一和第二可推送时间点，结合目标用户的身份和对于不合格学科的学习状态，相应在不同的时间点推送不同的智慧教育方案。

进一步的，本发明的一个较佳实施例中，所述实时分析目标用户对目标推送内容的学习情况，基于学习情况分析结果对目标用户进行学习效果评估，并根据学习效果评估结果对目标推送内容进行优化，具体为：

在目标用户开始学习目标推送内容后，通过智慧教育网站实时获取目标用户对目标推送内容的学习情况，所述目标用户对目标推送内容的学习情况包括目标用户的学习进度和学习成绩；

预设标准学习时间，若在标准学习时间内，目标用户的学习进度和学习成绩均满足预设情况，则将目标用户的学习效果评估为优秀；

若在标准学习时间内，目标用户的学习进度小于预设值，但目标用户的学习成绩满足预设情况，则将目标用户的学习效果评估为良好，获取标准学习时间内的标准学习进度，并在标准学习时间内，计算标准学习进度和当前学习进度的偏差值；

获取目标推送内容的标准学习时间，对所述标准学习进度和当前学习进度的偏差值与目标推送内容的标准学习时间进行预测处理，得到目标用户合适学习时间，并基于所述目标用户合适学习时间，对目标推送内容进行优化，得到一类优化目标推送内容；

若在标准学习时间内，目标用户的学习成绩小于预设值，则将目标用户的学习效果评估为不及格，并停止向目标用户推送目标推送内容。

需要说明的是，向目标用户推送目标推送内容后，需要监测目标用户的学习效果，若学习效果不好则需要对目标推送内容进行优化，提升目标用户的学习效果。从目标用户对目标推送内容的学习进度和学习成绩进行学习效果的分析，若目标用户的学习进度和学习成绩均达到预设条件，证明目标用户对目标推送内容的学习效果优秀，并证明目标推送内容符合目标用户的当前学习情况。若在标准学习时间内，目标用户的学习进度较慢，但是学习成绩达到预设条件，则证明目标用户需要耗费大量时间去理解和学习目标推送内容，所以可以适当对目标推送内容中不同方案的学习时间做出调整，使目标用户能有更多时间充分学习和理解目标推送内容。所述标准学习进度和当前学习进度的偏差值可以用于更新目标推送内容中不同方案的学习时间。得到用户合适学习时间后，基于用户合适学习时间对目标推送方案进行优化。若在标准学习时间内，目标用户的学习成绩小于预设值，证明当前的目标推送方案对于目标用户来说不起作用，所以需要先停止推送，避免目标用户对不合格学科的学习兴趣磨灭，造成更严重的后果。

图2示出了获取第一智慧教育方案和第二智慧教育方案的方法流程图，包括以下步骤：

S202：若目标用户对于不合格学科的学习状态处于一类学习状态，则根据目标用户在不合格学科内各学习阶段的学习成绩，获取薄弱学习阶段；

S204：获取薄弱学习阶段的各种教学方案并进行分析，基于分析结果筛选获取第一智慧教育方案；

S206：若目标用户对于不合格学科的学习状态处于二类学习状态，则获取辅助学科，并对辅助学科和不合格学科的教学方案进行筛选和数据融合，得到第二智慧教育方案。

进一步的，本发明的一个较佳实施例中，所述获取薄弱学习阶段的各种教学方案并进行分析，基于分析结果筛选获取第一智慧教育方案，具体为：

在大数据网络中，获取所有薄弱学习阶段教学方案，且不同的薄弱学习阶段教学方案中均包含若干教学子方案；

在智慧教育网站中获取所有薄弱学习阶段教学方案中所有教学子方案的评价信息，并在大数据网络中获取言语情感分析知识图谱，将所有薄弱学习阶段教学方案中所有教学子方案的评价信息导入言语情感分析知识图谱中进行评价信息评分；

将评价信息评分低于预设值的教学子方案剔除，选取评价信息评分高于预设值的教学子方案，定义为合格教学子方案；

将所述合格教学子方案转变为合格教学子方案特征数据，引入余弦度量算法计算各合格教学子方案特征数据之间的相似度，并基于各合格教学子方案特征数据之间的相似度，对合格教学子方案进行类型划分；

对同类型的合格教学子方案进行评价信息评分倒序排序，并在同类型的合格教学子方案中将评价信息评分最高的合格教学子方案定义为合适教学子方案；

将所有的合适教学子方案进行数据融合，得到第一智慧教育方案。

需要说明的是，由于目标用户对不合格学科的学习状态是一类学习状态，所以目标用户都不合格学科存在学习兴趣，证明目标用户不合格学科的不合格原因可能是某些知识点比较薄弱，所以生成薄弱学习阶段。薄弱学习阶段的教学方案有很多，一个教学方案内又存在多个教学子方案，即不同的知识点的教学方案。获取薄弱学习阶段的所有教学子方案后，获取所有教学子方案的评价信息，所述言语情感分析知识图谱可以对文字、语句进行自动识别，判断文字语句中的意思以及包含的情感成分，所以使用言语情感分析知识图谱对教学子方案的评价信息进行分析，根据分析结果可以对教学子方案的评价信息进行评分处理，分值越高，对应的教学子方案的评价越高。得到合格教学子方案后，合格教学子方案所教学的知识点可能是重复的，所以需要引入余弦度量算法对各种合格教学子方案进行相似度分析，并根据相似度的不同将合格教学子方案分类，其中同类型的合格教学子方案教学的知识点相同。在同类型的合格教学子方案中各选取评分最高的合格教学子方案，并对其进行组合，得到全新的教学方案，定义为第一智慧教育方案。本发明能够通过对教学子方案进行评价信息分析和分类，得到第一智慧教育方案。

进一步的，本发明的一个较佳实施例中，所述当目标用户对于不合格学科的学习状态处于二类学习状态，则获取辅助学科，并对辅助学科和不合格学科的教学方案进行筛选和数据融合，得到第二智慧教育方案，具体为：

若目标用户对于不合格学科的学习状态处于二类学习状态，则获取所有一类偏好学科的教学性质，并获取不合格学科的教学性质；

将所有一类偏好学科的教学性质转变为一类偏好学科教学性质特征数据，同时将不合格学科的教学性质转变为不合格学科教学性质特征数据，构建共现矩阵，并将所有一类偏好学科教学性质特征数据与不合格学科教学性质特征数据导入至共现矩阵中进行分析；

预设标准共现次数，若在共现矩阵中，存在一类偏好学科教学性质特征数据与不合格学科教学性质特征数据的共现次数大于标准共现次数，则将对应的一类偏好学科定义为辅助学科；

获取辅助学科的所有教学方案和不合格学科的所有教学方案，分别提取辅助学科中不同教学方案的主题特征信息，以及不合格学科中不同教学方案的主题特征信息；

将目标用户的个人兴趣爱好导入深度学习网络中进行预测，得到目标用户偏好主题特征信息，计算目标用户偏好主题特征信息与辅助学科中不同教学方案的主题特征信息的欧氏距离，以及计算目标用户偏好主题特征信息与不合格学科中不同教学方案的主题特征信息的欧氏距离；

预设欧氏距离标准区间，将欧氏距离在欧氏距离标准区间内的辅助学科教学方案定义为待定辅助学科教学方案，并将欧氏距离在欧氏距离标准区间内的不合格学科教学方案定义为待定不合格学科教学方案；

获取待定辅助学科教学方案和待定不合格学科教学方案的评价信息评分，将评价信息评分最高的待定辅助学科教学方案和待定不合格学科教学方案分别定义为第一辅助学科教学方案和第一不合格学科教学方案；

将所述第一辅助学科教学方案和第一不合格学科教学方案进行数据融合，得到第二智慧教育方案。

需要说明的是，若目标用户对于不合格学科的学习状态处于二类学习状态，则目标用户对不合格学科不感兴趣，可以通过辅助学科与不合格学科交叉推送的方法，使用户对不合格学科产生学习兴趣。比如若目标用户对古典音乐这一学科不感兴趣，则可以将流行音乐作为辅助学科，辅助目标用户学习古典音乐，且辅助学科需要是用户的一类偏好学科。辅助学科与不合格学科的性质需要有共通之处，通过共现矩阵法，判断一类偏好学科与不合格学科的性质的共现次数，共现次数大于标准值证明一类偏好学科可以作为不合格学科的辅助学科。不同辅助学科的不同教学方案的主题信息不同，需要获取目标用户感兴趣的主题信息，并通过计算目标用户感兴趣的主题信息与辅助学科中不同教学方案的主题特征信息的欧氏距离，判断目标用户对不同辅助学科教学方案的感兴趣程度。欧氏距离在同意区间内，证明目标用户感兴趣的主题信息与辅助学科中不同教学方案的主题特征信息相似度较高，得到待定辅助学科教学方案。同理，对不合格学科的教学方案的主题信息进行分析，得到待定不合格学科教学方案。对待定辅助学科教学方案和待定不合格学科教学方案进行评价信息分析，选取评分最高的教学方案输出，得到第二智慧教育方案。

此外，所述一种基于用户特征的智慧教育方案推送方法，还包括以下步骤：

在智慧教育网站中，获取目标用户对目标推送内容的参与度，并预设标准参与度和参与度测试时间；

在参与度测试时间内，若目标用户对目标推送内容的参与度小于标准参与度，则在智慧教育网站中将目标用户的活跃状态标定为一类活跃状态；

当目标用户处于一类活跃状态，则在目标推送内容中预设奖励学习进度，并预设奖励机制，将所述奖励机制导入目标推送内容内，得到二类优化目标推送内容，并在目标用户的学习进度达到奖励学习进度后在二类优化目标推送内容自动触发奖励机制；

得到二类优化目标推送内容后，若在参与度测试时间内分析目标用户对二类优化目标推送内容的参与度小于标准参与度，则在智慧教育网站中将目标用户的活跃状态标定为二类活跃状态；

当目标用户处于二类活跃状态，则在二类优化目标推送内容获取中获取二类优化目标推送内容的学习时长，并基于二类优化目标推送内容的学习时长，获取二类优化目标推送内容的可推送日期，在二类优化目标推送内容的可推送日期后，控制智慧教育网站停止向目标用户推送二类优化目标推送内容。

需要说明的是，若在参与度测试时间内，目标用户对目标推送内容的参与度小于标准参与度，证明目标用户学习智慧教育方案的时长较短，所以需要对目标推送内容进行优化。在目标推送内容内增加奖励机制，比如达到了奖励学习进度之后，触发奖励机制，奖励积分、物品等，使目标用户具有参与感和满足感，提高目标用户的参与度。若增加奖励机制后目标用户的参与度仍较低，则判断用户对二类优化目标推送内容的兴趣仍较低，则获取二类优化目标推送内容的学习时长，由于二类优化目标推送内容可能需要学习一段时间，所以在二类优化目标推送内容的学习时长达到后，停止推送。在学习时长达到前仍继续推送，目的是防止目标用户心血来潮但是找不到学习的路径。

此外，所述一种基于用户特征的智慧教育方案推送方法，还包括以下步骤：

将第一可推送时间点和第二可推送时间点定义为目标推送时间点，并预设最大推送延迟，结合所述目标推送时间点和最大推送延迟，得到目标推送时间范围；

若智慧教育网站在目标推送时间范围内不向目标用户推送目标推送内容，则将智慧教育网站的内容推送系统定义为异常内容推送系统；

获取异常内容推送系统的服务器参数，并对异常内容推送系统的服务器参数进行分析，若异常内容推送系统的服务器参数不在预设阈值内，则在大数据网络中检索异常内容推送系统的服务器参数的检修方案并输出，使异常内容推送系统的服务器参数维持在预设阈值内；

若异常内容推送系统的服务器参数维持在预设阈值内，但智慧教育网站在目标推送时间范围内仍不向目标用户推送目标推送内容，则判断目标用户端设置推送权限，并控制智慧教育网站停止向目标用户推送目标推送内容。

需要说明的是，最大推送延迟是因为若网站中人流量过大，则服务器会过载，导致无法在目标推送时间点内推送内容，所以结合目标推送时间点和最大推送延迟得到目标推送时间范围。若在目标推送时间范围内并无推送，则判断智慧教育网站的内容推送系统出现故障。异常内容推送系统生成可能是服务器过载、服务器故障或者浏览器兼容性故障等，所以可以通过在大数据网络中检索异常内容推送系统的服务器参数的检修方案并输出，达到修复的目的。若修复后仍不推送，则判断是用户端设置隐私权限，禁止网站推送内容，所以网站可以停止向目标用户推送目标推送内容。

如图3所示，本发明第二方面还提供了一种基于用户特征的智慧教育方案推送系统，所述智慧教育方案推送系统包括存储器31与处理器32，所述存储器31中储存有智慧教育方案推送方法，所述智慧教育方案推送方法被所述处理器32执行时，实现如下步骤：

获取目标用户的个人信息，并对目标用户的个人信息进行分析，基于分析结果评定目标用户的学科学习状态；

当目标用户对于不合格学科的学习状态处于一类学习状态，则获取目标用户在不合格学科上的薄弱学习阶段，并对薄弱学习阶段对应的教学方案进行分析筛选，得到第一智慧教育方案；

当目标用户对于不合格学科的学习状态处于二类学习状态，则获取辅助学科，并对辅助学科和不合格学科的教学方案进行筛选和数据融合，得到第二智慧教育方案；

分析目标用户的历史登录信息，得到第一可推送时间点和第二可推送时间点，并根据第一可推送时间点和第二可推送时间点向目标用户推送对应的智慧教育方案；

实时分析目标用户对目标推送内容的学习情况，基于学习情况分析结果对目标用户进行学习效果评估，并根据学习效果评估结果对目标推送内容进行优化。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。