一种自演进的在线学习个性化推荐方法

本发明涉及网络数据处理技术领域，具体涉及一种自演进的在线学习个性化推荐方法，包括：实时采集学习者在线学习时的行为数据；采用分层解耦法构建各学科知识体系的简化知识图谱；采用行为连续性归并算法基于行为数据映射得到学习者在各知识点的学习行为；采用时序能力向量拟合算法基于行为数据拟合得到学习者在各知识点的学习能力；基于群体学习者在每个知识点的学习行为和学习能力，周期性确定各知识点的第一推荐学习方式；基于个体学习者的学习行为和学习能力对各知识点当前周期的第一推荐学习方式进行修正以作为个性化推荐结果，实现“群体效能+个体适配”双驱动推荐，同时能够实现动态标准修正与实时响应，提升推荐逻辑连贯性与准确性。