CN106021363B - 课程推荐方法和装置 - Google Patents
课程推荐方法和装置 Download PDFInfo
- Publication number
- CN106021363B CN106021363B CN201610306219.3A CN201610306219A CN106021363B CN 106021363 B CN106021363 B CN 106021363B CN 201610306219 A CN201610306219 A CN 201610306219A CN 106021363 B CN106021363 B CN 106021363B
- Authority
- CN
- China
- Prior art keywords
- information
- course
- user
- recommended
- courses
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了课程推荐方法和装置。所述方法的一具体实施方式包括:获取用户的当前地理位置信息;根据预先获取的用户访问课程相关信息的历史数据,分析用户的兴趣点信息;基于用户的当前地理位置信息、兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向用户推荐课程。该实施方式有效地提升了课程推荐的准确性,实现了富有针对性的课程推荐。
Description
技术领域
本申请涉及计算机技术领域,具体涉及互联网内容推荐技术领域,尤其涉及课程推荐方法和装置。
背景技术
专业生产内容(Professional Generated Content,PGC),是指由专业的生产者提供的内容,举例来说,行业专家对提问者提出的专业问题的解答,即为专业生产内容。随着移动互联技术的发展,越来越多的用户通过互联网提供的PGC模式选择优质的内容,提升工作或生活技能。
在目前的一些PGC应用中,专业内容生产者可以在线上开设课程,用户可以在线上选择课程,线下与专业内容生产者进行交流。在这种模式中,提问者可以注册地理位置,在应用时对提问者注册的地理位置和专业内容生产者开设课程的地理位置进行匹配,根据匹配结果为用户推荐课程。由于提问者的地理位置可能发生变化,仅基于地理位置的匹配方式匹配维度单一,导致匹配度差,课程推荐的针对性有待提升。
发明内容
为了解决上述一个或多个技术问题,本申请提供了课程推荐方法和装置。
一方面,本申请提供了一种课程推荐方法,所述方法包括:获取用户的当前地理位置信息;根据预先获取的所述用户访问课程相关信息的历史数据分析所述用户的兴趣点信息;基于所述当前地理位置信息、所述兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向所述用户推荐课程。
在一些实施例中,所述根据预先获取的所述用户访问课程相关信息的历史数据分析,所述用户的兴趣点信息,包括:基于所述用户访问课程相关信息的历史数据,利用已训练的机器学习模型确定所述用户的兴趣点信息;或按照所述课程相关信息的属性对所述历史数据进行统计排序,根据所述排序确定所述用户的兴趣点信息。
在一些实施例中,所述用户访问课程相关信息的历史数据包括:所述用户访问的历史课程的课程信息;和/或所述用户的与所述历史课程相关的问答搜索信息。
在一些实施例中,所述基于所述当前地理位置信息、所述兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向所述用户推荐课程,包括:根据所述当前地理位置信息、所述兴趣点信息和所述课程信息确定所述待推荐课程的推荐热度;根据所述推荐热度从所述待推荐课程中选取出至少一项目标课程,其中所述目标课程的推荐热度大于任一未被选取的待推荐课程的推荐热度;按照所述推荐热度的排序展示所述目标课程的课程信息。
在一些实施例中,所述课程信息包括:授课地点信息、授课专家信息、课程类型信息;所述兴趣点信息包括:感兴趣的授课地点信息,感兴趣的授课专家信息、感兴趣的课程类型信息;所述根据所述当前地理位置信息、所述兴趣点信息和所述课程信息确定所述待推荐课程的推荐热度,包括:计算预先配置的授课地点信息与所述感兴趣的授课地点信息的第一匹配度;计算预先配置的授课地点信息与所述当前地理位置信息的第二匹配度;计算预先配置的授课专家信息与所述感兴趣的专家信息的第三匹配度;计算预先配置的课程类型信息与所述感兴趣的课程类型信息的第四匹配度;基于预设的权重对所述第一匹配度、所述第二匹配度、所述第三匹配度以及所述第四匹配度进行加权求和,得出所述待推荐课程的推荐热度。
在一些实施例中,所述方法还包括:配置所述待推荐课程的课程信息的步骤,包括:配置所述待推荐课程的授课专家信息,配置所述待推荐课程的课程类型信息,配置所述待推荐课程的授课地点信息。
在一些实施例中,所述配置所述待推荐课程的课程类型信息包括:获取课程标签信息,所述课程标签信息由开设课程的用户配置;将所述课程标签信息归类到预设课程类型中,作为配置好的所述课程类型信息。
第二方面,本申请提供了一种课程推荐装置,所述装置包括:获取单元,用于获取用户的当前地理位置信息;分析单元,用于根据预先获取的所述用户访问课程相关信息的历史数据,分析所述用户的兴趣点信息;推荐单元,用于基于所述当前地理位置信息、所述兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向所述用户推荐课程。
在一些实施例中,所述分析单元用于按如下方式分析所述用户的兴趣点信息:基于所述用户访问课程相关信息的历史数据,利用已训练的机器学习模型确定所述用户的兴趣点信息;或按照所述课程相关信息的属性对所述历史数据进行统计排序,根据所述排序确定所述用户的兴趣点信息。
在一些实施例中,所述用户访问课程相关信息的历史数据包括:所述用户访问的历史课程的课程信息;和/或所述用户的与所述历史课程相关的问答搜索信息。
在一些实施例中,所述推荐单元用于按照如下方式向所述用户推荐课程:根据所述当前地理位置信息、所述兴趣点信息和所述课程信息确定所述待推荐课程的推荐热度;根据所述推荐热度从所述待推荐课程中选取出至少一项目标课程,其中所述目标课程的推荐热度大于任一未被选取的待推荐课程的推荐热度;按照所述推荐热度的排序展示所述目标课程的课程信息。
在一些实施例中,所述课程信息包括:授课地点信息、授课专家信息、课程类型信息;所述兴趣点信息包括:感兴趣的授课地点信息,感兴趣的授课专家信息、感兴趣的课程类型信息;所述推荐单元进一步用于按照如下方式确定所述待推荐课程的推荐热度:计算预先配置的授课地点信息与所述感兴趣的授课地点信息的第一匹配度;计算预先配置的授课地点信息与所述当前地理位置信息的第二匹配度;计算预先配置的授课专家信息与所述感兴趣的专家信息的第三匹配度;计算预先配置的课程类型信息与所述感兴趣的课程类型信息的第四匹配度;基于预设的权重对所述第一匹配度、所述第二匹配度、所述第三匹配度以及所述第四匹配度进行加权求和,得出所述待推荐课程的推荐热度。
在一些实施例中,所述装置还包括配置单元,用于配置所述待推荐课程的课程信息;所述配置单元进一步用于:配置所述待推荐课程的授课专家信息,配置所述待推荐课程的课程类型信息,配置所述待推荐课程的授课地点信息。
在一些实施例中,所述配置单元进一步用于按照如下方式配置所述待推荐课程的课程类型信息:获取课程标签信息,所述课程标签信息由开设课程的用户配置;将所述课程标签信息归类到预设课程类型中,作为配置好的所述课程类型信息。
本申请提供的课程推荐方法和装置,通过获取用户的当前地理位置信息,根据预先获取的户访问课程相关信息的历史数据分析用户的兴趣点信息,结合当前地理位置信息和兴趣点信息与预先配置的待推荐课程的课程信息向用户推荐课程,有效地提升了课程推荐的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的课程推荐方法的一个实施例的流程图;
图3是根据本申请的课程推荐方法的一个实施例的流程图;
图4是根据本申请的课程推荐方法的一个应用场景的原理示意图;
图5是本申请课程推荐装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有在线课程选择应用或行家(课程提供者)约见应用。
终端设备101、102、103可以是具有显示屏并且支持数据处理的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、智能手表、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103显示的课程信息提供支持的后台课程推荐服务器。后台课程推荐服务器可以对接收到的课程查询请求进行查找、对用户的兴趣点进行分析等处理,并将处理结果(例如课程信息)反馈给终端设备。
需要说明的是,本申请实施例所提供的课程推荐方法可以由终端设备101、102、103执行,也可以由服务器105执行;相应地,课程推荐装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的课程推荐方法的一个实施例的流程200。如图2所示,所述的课程推荐方法的流程200,包括以下步骤:
步骤201,获取用户的当前地理位置信息。
在本实施例中,课程推荐方法运行于其上的电子设备(例如图1所示的终端设备101、102、103或服务器105)可以通过多种方式获取用户的当前地理位置信息。一种可选的方式为通过用户的终端设备(可以为上述电子设备)的IP(Internet Protocol,网络协议)地址信息确定用户当前的地理位置信息,例如通过用户的终端设备的IP地址确定用户当前所处的城市,作为所述的当前地理位置信息。其中,当前地理位置信息可以用经纬度坐标来表征,或者利用城市、行政区、街道名、门牌号等地理位置标识来表示。
上述电子设备可以安装有专家约见应用,当用户启动专家约见应用时,上述电子设备可以响应于检测到应用被启动,自动获取用户的当前地理位置信息,也可以在检测到专家约见应用被启动之后,生成请求用户授权获取地理位置的询问消息,在用户授权后获取用户的当前地理位置信息。
在一些可选的实施例中,上述电子设备可以通过全球定位系统(GlobalPositioning System,GPS)定位出用户的当前地理位置信息。若上述电子设备的定位功能开启,则可以通过GPS确定该电子设备当前的经纬度信息,从而确定用户的当前地理位置信息。
在一些可选的实施例中,上述电子设备可以通过接收与用户的终端设备进行通信的移动通信基站发送的信息确定所述用户的当前地理位置信息。具体地,上述电子设备可以具有移动通信功能,可以与移动通信基站进行数据通信。与该电子设备进行数据通信的移动通信基站可以向该电子设备发送该移动通信基站的位置信息,上述电子设备可以根据接收到的移动通信基站的位置信息确定出用户当前所处的地理位置。
在另一些实施例中,若上述电子设备为用户的终端设备,则该终端设备还可以通过其扫描到的无线访问接入点确定用户的当前地理位置。例如当上述电子设备扫描到某一店铺的无线局域网热点时,可以确定用户当前位于该店铺周边。
当课程推荐方法运行于其上的电子设备为服务器时,服务器还可以向用于向用户展示课程信息的终端设备发出地理位置信息获取请求,终端设备可以利用上述实施例中的方法获取用户的当前地理位置,并将当前地理位置发送至发出请求的服务器。
步骤202,根据预先获取的用户访问课程相关信息的历史数据分析用户的兴趣点信息。
在本实施例中,课程推荐方法运行于其上的电子设备可以预先获取用户访问课程相关信息的历史数据。其中,课程相关信息可以是与课程相关的信息,例如课程的属性信息,包括课程的名称、所属学科等,又例如课程所属学科的相关知识。用户访问课程相关信息的历史数据可以是用户对以上课程相关信息的历史浏览记录。在一些可选的实现方式中,用户访问课程相关信息的历史数据可以包括:用户访问的历史课程的课程信息;和/或用户的与历史课程相关的问答搜索信息。历史课程可以为终端设备已开设或用户已选择的课程,用户访问的历史课程可以包括用户对课程的点击记录、课程约见记录、用户对已完成的课程的评价记录等。与历史课程相关的问答搜索记录可以为用户在通过网络搜索的问题的历史记录。上述电子设备可以获取用户的标识信息,通过用户的标识信息获取该用户的问答搜索记录。以上历史数据可以存储在上述电子设备中,例如可以以日志形式存储在本地,也可以存储在其他电子设备(例如云服务器)中,这时上述电子设备可以预先向存储历史数据的电子设备发出数据获取请求,并接收存储历史数据的电子设备发送的历史数据。
在本实施例中,兴趣点信息可以包括但不限于:感兴趣的授课地点信息,感兴趣的授课专家信息、感兴趣的课程类型信息。
用户访问课程相关信息的历史数据可以用于分析用户的兴趣点信息。在一些可选的实现方式中,可以基于用户访问课程相关信息的历史数据,利用已训练的机器学习模型确定用户的兴趣点信息。具体地,将用户访问课程相关信息的历史数据输入已训练的用户兴趣点分析模型,即可得出用户的兴趣点信息。在对上述用户兴趣点分析模型进行训练时,可以利用已标记的用户访问数据和用户兴趣点信息的对应关系建立样本集和测试集,利用样本集对用户兴趣点分析模型进行训练,之后可以基于测试集对用户兴趣点分析模型的参数进行校正,得到已训练的用户兴趣点分析模型。
在另一些可选的实现方式中,可以按照所述课程相关信息的属性对所述历史数据进行统计排序,根据排序确定所述用户的兴趣点信息。换言之,可以采用统计分析的方法对用户访问课程相关信息的历史数据进行数据挖掘,以得出用户的兴趣点信息。其中,课程相关信息的属性可以包括课程类型、所属领域、授课时间、授课地点等。举例而言,上述电子设备可以统计用户访问的课程相关信息的历史数据中用户访问的课程类型并按照用户的访问次数进行排序,将排序较高的至少一个课程类型作为用户感兴趣的课程类型。
步骤203,基于当前地理位置信息、兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向用户推荐课程。
在本实施例中,上述电子设备可以基于步骤201获取的用户的当前地理位置信息、步骤202分析得出的用户的兴趣点信息以及预先配置的待推荐课程的课程信息中的至少一项选择至少一个待推荐课程向用户推荐。具体而言,可以基于当前地理位置信息、兴趣点信息与预先配置的待推荐课程的课程信息之间的匹配关系从待推荐课程中选出匹配的课程作为目标课程,可以以推送消息或在显示屏中直接展示目标课程的课程信息的方式向用户推荐目标课程。
在一些实施例中,课程信息可以包括但不限于:授课地点信息、授课专家信息、课程类型信息。上述电子设备可以分别将授课地点信息、授课专家信息、课程类型信息分别与用户的当前地理位置信息、用户感兴趣的授课地点信息、用户感兴趣的授课专家信息、用户感兴趣的课程类型信息进行匹配,将授课地点信息与用户的当前地理位置信息进行匹配,若匹配成功,则向用户推荐匹配成功的课程信息对应的待推荐课程。进一步地,上述电子设备还可以结合授课地点信息与用户感兴趣的授课地点信息的匹配度、授课专家信息与用户感兴趣的授课专家信息的匹配度、课程类型信息与用户感兴趣的课程类型信息的匹配度、授课地点信息与用户的当前地理位置信息的匹配度确定待推荐至用户的目标课程。在计算匹配度时,可以将以上各信息向量化,计算向量间的相似度,相似度越高,匹配度越高。或将各信息量化后计算两量化信息之间的距离,距离越近,匹配度越高。例如可以计算授课地点信息与用户当前地理位置信息之间的距离,将距离作为二者之间的匹配度的度量。
在向用户推荐课程时,可以将与用户的当前地理位置信息和/或用户的兴趣点信息匹配度较高的课程信息对应的待推荐课程作为目标课程,将目标课程的课程信息包含在推送消息中展示在终端设备的显示屏上,也可以将目标课程的课程信息以弹窗等方式展示在界面中。
对于本申请的上述实施例,应用的场景可以为,当用户在智能电子设备中打开行家约见应用时,智能电子设备可以通过GPS定位出用户当前所在的城市,例如北京市。智能电子设备可以获取用户ID并读取用户ID对应的课程浏览日志,从而通过统计分析得出用户可能感兴趣的课程类别、授课老师、授课地点等。之后智能电子设备可以从当前可选的课程信息中选出与用户感兴趣的课程类别、授课老师、授课地点匹配的课程信息,并筛选出授课地点与用户当前所在城市一致或距离较近的课程信息,并向用户推荐该匹配的课程信息对应的课程,例如可以将课程显示在行家约见应用的首页并提供链接到该课程详情的点击接口。
本申请的上述实施例提供的方法通过获取用户的当前地理位置信息,根据预先获取的户访问课程相关信息的历史数据分析用户的兴趣点信息,结合当前地理位置信息和兴趣点信息与预先配置的待推荐课程的课程信息向用户推荐课程,有效地提升了课程推荐的准确,实现了富有针对性的课程推荐。同时,由于无需用户手动输入地理位置,在用户的地理位置发生变化时也可以快速提供更符合用户需求的课程推荐。
进一步参考图3,其示出了课程推荐方法的另一个实施例的流程300。该课程推荐方法的流程300,包括以下步骤:
步骤301,配置待推荐课程的课程信息。
在本实施例中,课程推荐方法运行于其上的电子设备(例如图1所示的终端设备101、102、103或服务器105)可以对待推荐课程的课程信息进行配置。具体地,可以配置待推荐课程的授课专家信息,配置待推荐课程的课程类型信息,配置待推荐课程的授课地点信息。
进一步地,配置待推荐课程的课程类型信息可以包括:获取课程标签信息,将课程标签信息归类到预设课程类型中,作为配置好的课程类型信息。其中,课程标签信息由开设课程的用户配置。在具体的实现中,开设课程的用户可以为专家用户,在开设课程时可以设定课程的标签,例如“编程”,如果预设的课程类型中包含“计算机软件”,则可以将专家用户设定的课程标签归入“计算机软件”类中。可以基于预设的课程标签与课程类型的对照关系列表进行归类,也可以在后台人工对专家用户配置的课程标签信息进行归类。可以将课程标签信息所归入的预设课程类型作为配置好的该课程的课程类型信息。
上述电子设备可以提供开设课程的输入接口,专家用户可以通过输入接口设定开设的课程的属性信息(包括开课时间、授课地点、收费情况、联系方式等),上述电子设备可以根据专家用户输入的课程信息对待推荐课程的课程信息进行配置。
步骤302,获取用户的当前地理位置信息。
在本实施例中,上述电子设备可以通过IP地址确定用户当前所处的城市,作为所述的当前地理位置信息,也可以通过全球定位系统(Global Positioning System,GPS)定位出用户的当前地理位置信息,还可以通过接收与用户的终端设备进行通信的移动通信基站发送的信息确定所述用户的当前地理位置信息。具体地,上述电子设备可以具有移动通信功能,可以与移动通信基站进行数据通信。与其进行数据通信的移动通信基站可以向该电子设备发送该移动通信基站的位置信息,上述电子设备可以根据接收到的移动通信基站的位置信息确定出用户当前所处的地理位置。
在一些可选的实现方式中,上述电子设备还可以通过其扫描到的无线访问接入点确定用户的当前地理位置。
步骤303,根据预先获取的用户访问课程相关信息的历史数据,分析用户的兴趣点信息。
在本实施例中,课程推荐方法运行于其上的电子设备可以预先获取用户访问课程相关信息的历史数据。其中,课程相关信息可以是与课程相关的信息,例如课程的属性信息,包括课程的名称、所属学科等,又例如课程所属学科的相关知识。用户访问课程相关信息的历史数据可以是用户对以上课程相关信息的历史浏览记录。
在本实施例中,兴趣点信息可以包括但不限于:感兴趣的授课地点信息,感兴趣的授课专家信息、感兴趣的课程类型信息。
用户访问课程相关信息的历史数据可以用于分析用户的兴趣点信息。在一些可选的实现方式中,可以基于用户访问课程相关信息的历史数据,利用已训练的机器学习模型确定用户的兴趣点信息。在另一些可选的实现方式中,可以按照所述课程相关信息的属性对所述历史数据进行统计排序,根据排序确定所述用户的兴趣点信息。
在本实施例中,上述实现流程中的步骤302和步骤303分别与前述实施例中的步骤101和步骤102相同,在此不再赘述。
步骤304,根据当前地理位置信息、兴趣点信息和课程信息确定待推荐课程的推荐热度。
上述电子设备可以根据当前地理位置信息、兴趣点信息和课程信息计算出每一个待推荐课程的推荐热度。推荐热度可以是表征待推荐课程为用户感兴趣的课程的概率的物理量,推荐热度越高,表示用户对该课程越感兴趣,用户选择该课程的概率越高。
在本实施例中,课程信息可以包括:授课地点信息、授课专家信息、课程类型信息;用户的兴趣点信息可以包括:感兴趣的授课地点信息,感兴趣的授课专家信息、感兴趣的课程类型信息。可以根据用户的当前地理位置信息、用户的兴趣点信息与待推荐课程的课程信息之间的匹配度计算出待推荐课程的推荐热度。具体地,可以计算预先配置的授课地点信息与感兴趣的授课地点信息的第一匹配度,计算预先配置的授课地点信息与当前地理位置信息的第二匹配度,计算预先配置的授课专家信息与感兴趣的专家信息的第三匹配度,计算预先配置的课程类型信息与感兴趣的课程类型信息的第四匹配度,基于预设的权重对第一匹配度、第二匹配度、第三匹配度以及第四匹配度进行加权求和,得出待推荐课程的推荐热度。其中,第一匹配度、第二匹配度、第三匹配度以及第四匹配度的计算可以采用图2所示实施例中描述的向量化后计算相似度的方法,也可以采用量化后计算距离的方法,还可以采用其他已有的匹配度计算方法,本申请对此不作限定。
在计算推荐热度时,各匹配度的权重可以根据经验或需要人工设定。在实际场景中,若用户的兴趣点信息中感兴趣的授课专家数量较多,则可以将第三匹配度的权重设为较小的值,可以将第二匹配度的权重设定为较大的值,以向用户推荐授课地点距离更近的课程。
各匹配度的权重可以由大数据量的历史热度数据训练得出。具体地,若用户选择了推荐的课程,则可以确定该课程的推荐热度较高。可以采集多个用户的课程推荐数据和推荐课程选择记录,并基于采集的课程推荐数据和推荐课程选择记录训练推荐热度计算公式中第一匹配度、第二匹配度、第三匹配度和第四匹配度的权重,得到较为准确的推荐热度计算公式。在应用时按照推荐热度计算公式计算针对于当前用户的每一个待推荐课程的推荐热度。
步骤305,根据推荐热度从待推荐课程中选取出至少一项目标课程。
在本实施例中,目标课程的推荐热度大于任一未被选取的待推荐课程的推荐热度,也就是说,可以按照推荐热度对待推荐课程进行排序,并选出排序前N位的至少一项待推荐课程作为推荐至用户的目标课程,其中N为正整数。
在一些可选的实现方式中,可以从推荐热度高于预设阈值的待推荐课程中随机地选择至少一项作为目标课程。
步骤306,按照推荐热度的排序展示目标课程的课程信息。
在本实施例中,上述电子设备可以将目标课程以推送消息的方式呈现在显示屏中,也可以将目标课程的课程信息以弹窗、滚动展示的方式展示在当前界面中,还可以在当前应用的首页直接展示目标课程的课程信息。
在进一步的实施例中,如果步骤305中按照推荐热度对待推荐课程进行了排序且目标课程的数量为多个,则可以按照推荐热度的排序展示目标课程的课程信息。
从图3中可以看出,与图2对应的实施例不同的是,本实施例中的课程推荐方法的流程300多出了配置待推荐课程的课程信息步骤,并细化了推荐课程的步骤。通过增加的配置待推荐课程的课程信息步骤,本实施例描述的方案能够对待推荐课程的课程信息进行配置,有助于实现待推荐课程的课程信息与用户兴趣点信息的精确匹配,从而可以进一步提升课程推荐的准确性。通过细化的推荐课程的步骤304至步骤306,本实施例描述的方案采用合理的排序方法,实现了更有针对性的课程推荐。
继续参考图4,其示出了根据本申请的用于课程推荐方法的一个应用场景的原理示意图。如图4所示,电子设备后台通过GPS等位置获取方式获取学生用户的位置信息,采用数据挖掘方式从学生用户的浏览记录中得出用户兴趣点,同时可以获取专家用户输入的课程配置信息,将课程配置信息修正为课程信息。之后可以进行课程匹配筛选,确定出匹配课程,将匹配课程展现在电子设备的界面中。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种课程推荐装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,课程推荐装置500可以包括获取单元501、分析单元502以及推荐单元503。其中,获取单元501用于获取用户的当前地理位置信息;分析单元502用于根据预先获取的用户访问课程相关信息的历史数据,分析用户的兴趣点信息;推荐单元503用于基于当前地理位置信息、兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向用户推荐课程。
在本实施例中,获取单元501可以通过GPS或与包含装置500的电子设备进行数据通信的移动通信基站发送的消息确定用户的当前地理位置。还可以根据包含装置500的电子设备的IP地址、所扫描到的无线访问接入点确定用户的当前地理位置。
分析单元502可以基于预先获取的用户访问课程相关信息的历史数据,利用已训练的机器学习模型确定用户的兴趣点信息;或按照课程相关信息的属性对历史数据进行统计排序,根据排序确定用户的兴趣点信息。其中,用户访问课程相关信息的历史数据包括:用户访问的历史课程的课程信息;和/或用户的与历史课程相关的问答搜索信息,兴趣点信息可以包括但不限于:感兴趣的授课地点信息,感兴趣的授课专家信息、感兴趣的课程类型信息。举例而言,分析单元例如将用户访问的历史课程类型中排序最高的课程类型作为用户感兴趣的课程类型信息。
推荐单元503可以基于获取单元501获取的用户的当前地理位置信息、分析单元502分析得出的用户的兴趣点信息以及预先配置的待推荐课程的课程信息选择至少一个待推荐课程向用户推荐。具体而言,推荐单元503可以基于当前地理位置信息、兴趣点信息与预先配置的待推荐课程的课程信息之间的匹配关系从待推荐课程中选出匹配的课程作为目标课程,可以以推送消息或在显示屏中直接展示目标课程的课程信息的方式向用户推荐目标课程。
在一些实施例中,推荐单元503可以按照如下方式向用户推荐课程:根据当前地理位置信息、兴趣点信息和课程信息确定待推荐课程的推荐热度;根据推荐热度从待推荐课程中选取出至少一项目标课程,其中目标课程的推荐热度大于任一未被选取的待推荐课程的推荐热度;按照推荐热度的排序展示目标课程的课程信息。其中,推荐热度可以是表征待推荐课程为用户感兴趣的课程的概率的物理量,推荐热度越高,表示用户对该课程越感兴趣,用户选择该课程的概率越高。
在一些实施例中,课程信息可以包括但不限于:授课地点信息、授课专家信息、课程类型信息。推荐单元503进一步用于按照如下方式确定待推荐课程的推荐热度:计算预先配置的授课地点信息与感兴趣的授课地点信息的第一匹配度;计算预先配置的授课地点信息与当前地理位置信息的第二匹配度;计算预先配置的授课专家信息与感兴趣的专家信息的第三匹配度;计算预先配置的课程类型信息与感兴趣的课程类型信息的第四匹配度;基于预设的权重对第一匹配度、第二匹配度、第三匹配度以及第四匹配度进行加权求和,得出待推荐课程的推荐热度。
在计算出待推荐课程的推荐热度之后,推荐单元503可以进一步按照推荐热度的排序展示目标课程的课程信息。
在一些实施例中,装置500还可以包括配置单元。配置单元可以用于配置待推荐课程的课程信息。进一步地,配置单元可以用于:配置待推荐课程的授课专家信息,配置待推荐课程的课程类型信息,配置待推荐课程的授课地点信息。
进一步地,配置单元用于按照如下方式配置待推荐课程的课程类型信息:获取课程标签信息,课程标签信息由开设课程的用户配置;将课程标签信息归类到预设课程类型中,作为配置好的课程类型信息。
应当理解,装置500中记载的诸单元与参考图2和图3描述的方法中的各个步骤相对应。由此,上文针对课程推荐方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。装置500中的相应单元可以与终端设备和/或服务器中的单元相互配合以实现本申请实施例的方案。
本领域技术人员可以理解,上述课程推荐装置500还包括一些其他公知结构,例如处理器、存储器等,为了不必要地模糊本公开的实施例,这些公知的结构在图5中未示出。
下面参考图6,其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统600的结构示意图。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、分析单元和推荐单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取用户的当前地理位置信息的单元”。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备:获取用户的当前地理位置信息;根据预先获取的所述用户访问课程相关信息的历史数据,分析所述用户的兴趣点信息;基于所述当前地理位置信息、所述兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向所述用户推荐课程。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种课程推荐方法,其特征在于,所述方法包括:
获取用户的当前地理位置信息;
根据预先获取的所述用户访问课程相关信息的历史数据,分析所述用户的兴趣点信息,所述兴趣点信息包括:感兴趣的授课地点信息,感兴趣的授课专家信息、感兴趣的课程类型信息;
基于所述当前地理位置信息、所述兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向所述用户推荐课程,所述课程信息包括:授课地点信息、授课专家信息、课程类型信息;
所述基于所述当前地理位置信息、所述兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向所述用户推荐课程包括:
根据所述当前地理位置信息、所述兴趣点信息和所述课程信息确定所述待推荐课程的推荐热度;
根据所述推荐热度从所述待推荐课程中选取出至少一项目标课程,其中所述目标课程的推荐热度大于任一未被选取的待推荐课程的推荐热度;
其中,所述根据所述当前地理位置信息、所述兴趣点信息和所述课程信息确定所述待推荐课程的推荐热度,包括:
计算预先配置的授课地点信息与所述感兴趣的授课地点信息的第一匹配度;
计算预先配置的授课地点信息与所述当前地理位置信息的第二匹配度;
计算预先配置的授课专家信息与所述感兴趣的专家信息的第三匹配度;
计算预先配置的课程类型信息与所述感兴趣的课程类型信息的第四匹配度;
基于预设的权重对所述第一匹配度、所述第二匹配度、所述第三匹配度以及所述第四匹配度进行加权求和,得出所述待推荐课程的推荐热度。
2.根据权利要求1所述的方法,其特征在于,所述根据预先获取的所述用户访问课程相关信息的历史数据,分析所述用户的兴趣点信息,包括:
基于所述用户访问课程相关信息的历史数据,利用已训练的机器学习模型确定所述用户的兴趣点信息;或
按照所述课程相关信息的属性对所述历史数据进行统计排序,根据所述排序确定所述用户的兴趣点信息。
3.根据权利要求2所述的方法,其特征在于,所述用户访问课程相关信息的历史数据包括:
所述用户访问的历史课程的课程信息;和/或
所述用户的与所述历史课程相关的问答搜索信息。
4.根据权利要求1所述的方法,其特征在于,所述基于所述当前地理位置信息、所述兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向所述用户推荐课程,还包括:
按照所述推荐热度的排序展示所述目标课程的课程信息。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
配置所述待推荐课程的课程信息的步骤,包括:
配置所述待推荐课程的授课专家信息,配置所述待推荐课程的课程类型信息,配置所述待推荐课程的授课地点信息。
6.根据权利要求5所述的方法,其特征在于,所述配置所述待推荐课程的课程类型信息包括:
获取课程标签信息,所述课程标签信息由开设课程的用户配置;
将所述课程标签信息归类到预设课程类型中,作为配置好的所述课程类型信息。
7.一种课程推荐装置,其特征在于,所述装置包括:
获取单元,用于获取用户的当前地理位置信息;
分析单元,用于根据预先获取的所述用户访问课程相关信息的历史数据,分析所述用户的兴趣点信息,所述兴趣点信息包括:感兴趣的授课地点信息,感兴趣的授课专家信息、感兴趣的课程类型信息;
推荐单元,用于基于所述当前地理位置信息、所述兴趣点信息和预先配置的待推荐课程的课程信息中的至少一项向所述用户推荐课程,所述课程信息包括:授课地点信息、授课专家信息、课程类型信息;
其中,所述推荐单元用于按照如下方式向所述用户推荐课程:
根据所述当前地理位置信息、所述兴趣点信息和所述课程信息确定所述待推荐课程的推荐热度;
根据所述推荐热度从所述待推荐课程中选取出至少一项目标课程,其中所述目标课程的推荐热度大于任一未被选取的待推荐课程的推荐热度;
所述推荐单元用于按照如下方式确定所述待推荐课程的推荐热度:
计算预先配置的授课地点信息与所述感兴趣的授课地点信息的第一匹配度;
计算预先配置的授课地点信息与所述当前地理位置信息的第二匹配度;
计算预先配置的授课专家信息与所述感兴趣的专家信息的第三匹配度;
计算预先配置的课程类型信息与所述感兴趣的课程类型信息的第四匹配度;
基于预设的权重对所述第一匹配度、所述第二匹配度、所述第三匹配度以及所述第四匹配度进行加权求和,得出所述待推荐课程的推荐热度。
8.根据权利要求7所述的装置,其特征在于,所述分析单元用于按如下方式分析所述用户的兴趣点信息:
基于所述用户访问课程相关信息的历史数据,利用已训练的机器学习模型确定所述用户的兴趣点信息;或
按照所述课程相关信息的属性对所述历史数据进行统计排序,根据所述排序确定所述用户的兴趣点信息。
9.根据权利要求8所述的装置,其特征在于,所述用户访问课程相关信息的历史数据包括:
所述用户访问的历史课程的课程信息;和/或
所述用户的与所述历史课程相关的问答搜索信息。
10.根据权利要求7所述的装置,其特征在于,所述推荐单元还用于按照如下方式向所述用户推荐课程:
按照所述推荐热度的排序展示所述目标课程的课程信息。
11.根据权利要求7-10任一项所述的装置,其特征在于,所述装置还包括配置单元,用于配置所述待推荐课程的课程信息;
所述配置单元进一步用于:
配置所述待推荐课程的授课专家信息,配置所述待推荐课程的课程类型信息,配置所述待推荐课程的授课地点信息。
12.根据权利要求11所述的装置,其特征在于,所述配置单元进一步用于按照如下方式配置所述待推荐课程的课程类型信息:
获取课程标签信息,所述课程标签信息由开设课程的用户配置;
将所述课程标签信息归类到预设课程类型中,作为配置好的所述课程类型信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610306219.3A CN106021363B (zh) | 2016-05-10 | 2016-05-10 | 课程推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610306219.3A CN106021363B (zh) | 2016-05-10 | 2016-05-10 | 课程推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106021363A CN106021363A (zh) | 2016-10-12 |
CN106021363B true CN106021363B (zh) | 2019-12-17 |
Family
ID=57099101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610306219.3A Active CN106021363B (zh) | 2016-05-10 | 2016-05-10 | 课程推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106021363B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107357416A (zh) * | 2016-12-30 | 2017-11-17 | 长春市睿鑫博冠科技发展有限公司 | 一种人机交互装置及交互方法 |
CN109241393A (zh) * | 2017-07-07 | 2019-01-18 | Ai平台有限公司 | 基于人工智能机器学习的学习内容推荐自动化系统 |
WO2019033418A1 (zh) * | 2017-08-18 | 2019-02-21 | 深圳市华第时代科技有限公司 | 一种课程推送方法、装置、服务器及存储介质 |
WO2019033423A1 (zh) * | 2017-08-18 | 2019-02-21 | 深圳市华第时代科技有限公司 | 一种课程推荐方法、装置、选课服务器及存储介质 |
CN107798638B (zh) * | 2017-09-08 | 2021-01-26 | 正方软件股份有限公司 | 基于改进雷达图的选课推荐方法 |
US11151672B2 (en) * | 2017-10-17 | 2021-10-19 | Oracle International Corporation | Academic program recommendation |
CN107909438B (zh) * | 2017-11-15 | 2021-04-27 | 河南工学院 | 管理课程的推送方法及推送系统 |
CN107909272A (zh) * | 2017-11-15 | 2018-04-13 | 平安科技(深圳)有限公司 | 员工培训报名方法、应用服务器及计算机可读存储介质 |
CN108304543B (zh) * | 2018-01-31 | 2020-10-16 | 广州工程技术职业学院 | 一种传统手工艺品的个性化交互方法、装置及系统 |
CN108573409A (zh) * | 2018-04-16 | 2018-09-25 | 湖北师范大学 | 一种社会教育资源推荐系统及方法 |
CN108416072A (zh) * | 2018-05-16 | 2018-08-17 | 广东心里程教育集团有限公司 | 一种自动推送在线课程的方法和系统 |
CN110837999B (zh) * | 2018-08-17 | 2023-04-07 | 百度在线网络技术(北京)有限公司 | 课程学习提醒方法和装置 |
CN111223015B (zh) * | 2018-11-27 | 2024-04-12 | 阿里巴巴集团控股有限公司 | 课程推荐方法、装置及终端设备 |
CN109447869A (zh) * | 2018-12-06 | 2019-03-08 | 安徽教育网络出版有限公司 | 一种在线教育中课程的推荐方法 |
CN109783740A (zh) * | 2019-01-24 | 2019-05-21 | 北京字节跳动网络技术有限公司 | 关注页面的排序方法及装置 |
CN110490539B (zh) * | 2019-07-05 | 2023-08-08 | 中国平安人寿保险股份有限公司 | 一种课程信息推送的方法、装置、存储介质和服务器 |
CN110377827B (zh) * | 2019-07-18 | 2022-02-08 | 泰康保险集团股份有限公司 | 课程培训场景推送方法、装置、介质及电子设备 |
CN110610404A (zh) * | 2019-09-11 | 2019-12-24 | 中国联合网络通信集团有限公司 | 网络课程推荐方法、装置、系统、电子设备、存储介质 |
CN110825960A (zh) * | 2019-10-08 | 2020-02-21 | 中通服创发科技有限责任公司 | 一种学习内容推荐方法和装置 |
CN111209474B (zh) * | 2019-12-27 | 2023-04-28 | 广东德诚科教有限公司 | 在线课程的推荐方法、装置、计算机设备和存储介质 |
CN111259265B (zh) * | 2020-01-17 | 2023-10-31 | 首善京师(北京)教育科技有限公司 | 一种推荐信息的生成方法 |
CN111353096A (zh) * | 2020-02-11 | 2020-06-30 | 首善京师(北京)教育科技有限公司 | 一种基于用户查询操作的交互数据生成方法 |
CN112699327B (zh) * | 2020-11-06 | 2024-04-19 | 的卢技术有限公司 | 一种基于云计算的前端导航栏推荐方法及终端设备 |
CN112561750A (zh) * | 2020-12-14 | 2021-03-26 | 软通动力信息技术(集团)股份有限公司 | 课程推荐方法、装置、电子设备及存储介质 |
CN113065060B (zh) * | 2021-02-18 | 2022-11-29 | 山东师范大学 | 基于深度学习的教育平台课程推荐方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902680A (zh) * | 2014-03-21 | 2014-07-02 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法和装置 |
CN104504064A (zh) * | 2014-12-19 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法和装置 |
CN104680453A (zh) * | 2015-02-28 | 2015-06-03 | 北京大学 | 基于学生属性的课程推荐方法及系统 |
CN104834705A (zh) * | 2015-04-30 | 2015-08-12 | 周佳盛 | 一种课程推荐方法及系统 |
CN105447725A (zh) * | 2015-12-15 | 2016-03-30 | 小米科技有限责任公司 | 饮品推荐方法及装置 |
CN105516332A (zh) * | 2015-12-23 | 2016-04-20 | 中山大学深圳研究院 | 一种基于地理位置和时间的应用推荐方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080228406A1 (en) * | 2007-03-12 | 2008-09-18 | Myconostica Ltd. | System and method for fungal identification |
US20110246002A1 (en) * | 2010-04-02 | 2011-10-06 | Cloudahoy Inc. | Systems and methods for aircraft flight tracking and analysis |
WO2015042606A1 (en) * | 2013-09-23 | 2015-03-26 | Viridis Learning Inc. | Platform for generating personalized career pathways |
CN104537027B (zh) * | 2014-12-19 | 2019-05-10 | 百度在线网络技术(北京)有限公司 | 信息推荐方法及装置 |
-
2016
- 2016-05-10 CN CN201610306219.3A patent/CN106021363B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902680A (zh) * | 2014-03-21 | 2014-07-02 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法和装置 |
CN104504064A (zh) * | 2014-12-19 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法和装置 |
CN104680453A (zh) * | 2015-02-28 | 2015-06-03 | 北京大学 | 基于学生属性的课程推荐方法及系统 |
CN104834705A (zh) * | 2015-04-30 | 2015-08-12 | 周佳盛 | 一种课程推荐方法及系统 |
CN105447725A (zh) * | 2015-12-15 | 2016-03-30 | 小米科技有限责任公司 | 饮品推荐方法及装置 |
CN105516332A (zh) * | 2015-12-23 | 2016-04-20 | 中山大学深圳研究院 | 一种基于地理位置和时间的应用推荐方法和系统 |
Non-Patent Citations (3)
Title |
---|
"Down Converter Characterization in a Synthetic Instrument Context";Michael Granieri et al.;《2006 IEEE Autotestcon》;20070115;全文 * |
"基于学生行为分析的兴趣课程推荐系统的研究";袁文翠 等;《微型电脑应用》;20141022;第30卷(第9期);全文 * |
"基于时空序列模式匹配的兴趣点推荐方法";夏英 等;《重庆邮电大学学报(自然科学版)》;20110630;第23卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106021363A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106021363B (zh) | 课程推荐方法和装置 | |
CN110322738B (zh) | 一种课程优化方法、装置和系统 | |
CN111475716A (zh) | 在线课程推荐方法、系统、设备及存储介质 | |
WO2017127592A1 (en) | System, method, and device for generating a geographic area heat map | |
US20130311409A1 (en) | Web-Based Education System | |
CN105117460A (zh) | 学习资源推荐方法和系统 | |
CN106126524B (zh) | 信息推送方法和装置 | |
CN105763630A (zh) | 应用于移动终端的信息推送方法和装置 | |
RU2009131042A (ru) | Система и способ для предоставления нескольким участникам центрального портала доступа к географическим данным объектов инфраструктуры | |
US11429683B1 (en) | Recommending educational application programs and assessing student progress in meeting education standards correlated to the applications | |
US20130339387A1 (en) | Location Based Query-response Management System | |
CN107291713B (zh) | 兴趣点搜索关键词的提示方法、终端和服务器 | |
CN107948326A (zh) | 内容推荐调试方法和装置、电子设备、存储介质、程序 | |
CN110597962A (zh) | 搜索结果展示方法、装置、介质及电子设备 | |
WO2021121296A1 (zh) | 习题测试数据生成方法以及装置 | |
CN108052608B (zh) | 一种根据高中课程智能推荐大学专业的方法及装置 | |
JP2021168113A (ja) | ロケーションベースの個人用コンテンツを提供する方法及びシステム | |
CN108932646B (zh) | 基于运营商的用户标签验证方法、装置和电子设备 | |
CN111192170A (zh) | 题目推送方法、装置、设备和计算机可读存储介质 | |
CN111695041B (zh) | 用于推荐信息的方法和装置 | |
CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN111460301A (zh) | 对象推送方法、装置、电子设备及存储介质 | |
KR102349974B1 (ko) | 학원 홍보물 제공 서비스 제공방법 | |
KR101509209B1 (ko) | 검색 서비스 제공 장치 및 검색 서비스 제공 방법 | |
CN112767054A (zh) | 数据推荐方法、装置、服务器和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |