CN109816494A - 一种课程推荐方法、装置、设备及存储介质 - Google Patents
一种课程推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109816494A CN109816494A CN201910098085.4A CN201910098085A CN109816494A CN 109816494 A CN109816494 A CN 109816494A CN 201910098085 A CN201910098085 A CN 201910098085A CN 109816494 A CN109816494 A CN 109816494A
- Authority
- CN
- China
- Prior art keywords
- course
- target user
- user
- path
- group
- 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.)
- Granted
Links
Abstract
本发明公开了一种课程推荐方法、装置、设备及存储介质。该方法包括:根据用户画像筛选目标用户;按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;获取所述群体中的目标用户的相似度大于设定阈值的训练路径;根据所述训练路径为所述目标用户推荐课程,通过本发明的技术方案,能够有针对性进行课程推荐。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种课程推荐方法、装置、设备及存储介质。
背景技术
目前健身类产品中,用户是不知道自己应该如何练才能进步的。而相比线下私教对用户的了解,线上健身产品只能通过询问用户基本信息后给出推荐的方式来指导用户练什么。但不同的用户情况千差万别,推荐规则却很少,导致很难针对每个用户的情况,给用户有针对性的推荐。
发明内容
本发明实施例提供一种课程推荐方法、装置、设备及存储介质,以实现有针对性进行课程推荐。
第一方面,本发明实施例提供了一种课程推荐方法,包括:
根据用户画像筛选目标用户;
按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;
获取所述群体中的目标用户的相似度大于设定阈值的训练路径;
根据所述训练路径为所述目标用户推荐课程。
进一步的,获取所述群体中的目标用户的相似度大于设定阈值的训练路径包括:
按照时间顺序将所述群体中的目标用户的课程连在一起,得到与目标用户对应的课程路径;
获取所述课程路径中出现概率最大的至少一条课程子路径;
根据所述至少一条课程子路径得到训练路径。
进一步的,根据所述至少一条课程子路径得到训练路径包括:
获取所述至少一条课程子路径的课程画像;其中,所述课程画像包括:课程类型、课程的难度、课程针对的肌肉点、课程消耗的卡路里、课程的时长、课程目标、课程包含的动作、课程是否需要器械协助完成中的至少一种;
叠加所述课程画像和所述至少一条课程子路径,得到训练路径。
进一步的,按照预设规则将所述目标用户分为至少一个群体包括:
根据用户画像将所述目标用户分为至少一个群体。
进一步的,所述用户画像包括:用户的性别、用户的年龄、用户的身份、用户的训练目标、用户的身体数据、用户的运动偏好、减脂信息、注册时间、训练时长、体测成绩以及增肌信息中的至少一种。
第二方面,本发明实施例还提供了一种课程推荐装置,该装置包括:
筛选模块,用于根据用户画像筛选目标用户;
划分模块,用于按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;
获取模块,用于获取所述群体中的目标用户的相似度大于设定阈值的训练路径;
推荐模块,用于根据所述训练路径为所述目标用户推荐课程。
进一步的,获取模块包括:
课程路径获取单元,用于按照时间顺序将所述群体中的目标用户的课程连在一起,得到与目标用户对应的课程路径;
课程子路径获取单元,用于获取所述课程路径中出现概率最大的至少一条课程子路径;
训练路径获取单元,用于根据所述至少一条课程子路径得到训练路径。
进一步的,训练路径获取单元具体用于:
获取所述至少一条课程子路径的课程画像;其中,所述课程画像包括:课程类型、课程的难度、课程针对的肌肉点、课程消耗的卡路里、课程的时长、课程目标、课程包含的动作、课程是否需要器械协助完成中的至少一种;
叠加所述课程画像和所述至少一条课程子路径,得到训练路径。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的课程推荐方法。
第四方面,本发明实施例还提供了一种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如本发明实施例中任一所述的课程推荐方法。
本发明实施例通过根据用户画像筛选目标用户;按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;获取所述群体中的目标用户的相似度大于设定阈值的训练路径;根据所述训练路径为所述目标用户推荐课程,能够有针对性进行课程推荐。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本发明实施例一中的一种课程推荐方法的流程图;
图2A是本发明实施例二中的一种课程推荐方法的流程图;
图2B是本发明实施例二中的路径获取方法的流程图;
图3是本发明实施例三中的一种课程推荐装置的结构示意图;
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种课程推荐方法的流程图,本实施例可适用于课程推荐的情况,该方法可以由本发明实施例中的课程推荐装置来执行,该装置可采用软件和/或硬件的方式实现,如图1所示,该方法具体包括如下步骤:
S110,根据用户画像筛选目标用户。
其中,所述用户画像为用户在注册时填写的信息,所述用户画像包括:用户的性别、用户的年龄、用户的身份、用户的训练目标、用户的身体数据、用户的运动偏好、减脂信息、注册时间、训练时长、体测成绩以及增肌信息中的至少一种。例如可以是,用户画像包括:性别女、年龄25以及减脂10斤。
可选的,所述用户画像包括:用户的性别、用户的年龄、用户的身份、用户的训练目标、用户的身体数据、用户的运动偏好、减脂信息、注册时间、训练时长、体测成绩以及增肌信息中的至少一种用户画像。
其中,所述注册时间可以为零,也就是说用户刚刚注册,也可以是其他任意时间,注册时间为从用户开始注册开始直至当前时间经过的时间,例如可以是,注册时间为1年,也就是从用户开始注册至当前时间经过的时间为一年。
其中,所述训练时长可以为零,也就是说用户刚刚注册,也可以是其他任意时间,训练时长为从用户开始注册开始直至当前时间内,用户训练的时间,例如可以是,从用户开始注册开始直至当前时间内,用户训练的时间为8个小时。
其中,所述体测成绩与体能测试的项目有关,例如可以是,体能测试项目包括:热身、核心耐力测试、下肢耐力测试、上肢耐力测试、柔韧性测试,每完成一个动作,就将自己的完成的动作的数量录入,等做完一整套动作之后,将之前做的动作的数据都统计起来,并且经过计算得出体能得分也就是体测成绩。
其中,所述目标用户可以为新注册用户,也可以为已经注册一段时间的用户,本发明实施例对此不进行限制。
其中,所述目标用户的个数至少为两个,本发明实施例对目标用户的具体数量不进行限制。
具体的,根据用户画像筛选目标用户,例如可以是,根据注册时间、训练时长、体测前后两次成绩、用户的性别、用户的年龄、用户的身份、用户的训练目标、用户的身体数据、用户的运动偏好、减脂信息以及增肌信息中的至少一种用户画像筛选目标用户。
具体的,根据用户画像筛选目标用户的方式可以为,注册时间、训练时长、体测成绩以及用户的身份、用户的训练目标、用户的身体数据中的至少一种满足预设条件,则将满足预设条件的用户确定为目标用户,并进行筛选,例如可以是,筛选注册时间大于预设时间,训练时长大于预设时长,体测成绩大于预设成绩的用户作为目标用户。
S120,按照预设规则将目标用户分为至少一个群体,每一个目标用户仅属于一个群体。
其中,所述预设规则为用户预先设定的规则,所述预设规则可以为用户画像满足预设条件,也可以为其他用于分群的规则,本发明实施例对此不进行限制。
其中,所述群体至少包括一个目标用户,每个目标用户仅属于一个群体,不存在一个目标用户属于多个群体的情况。
具体的,按照预设规则将目标用户分为至少一个群体,并且划分群体后,每一个目标用户仅属于一个群体,例如可以是,将注册时间0-60天,训练时长5-10小时,体测成绩60-80的目标用户划分为一个群体A,将注册时间70-100天,训练时长12-20小时,体测成绩30-50的目标用户划分为一个群体B,以此类推,进行群体的划分,群体A中的目标用户仅属于群体A,不属于群体B,群体B中的目标用户仅属于群体B,不属于群体A。
可选的,按照预设规则将所述目标用户分为至少一个群体包括:
根据用户画像将所述目标用户分为至少一个群体。
S130,获取群体中的目标用户的相似度大于设定阈值的训练路径。
其中,所述设定阈值可以为用户提前设定,本发明实施例对此不进行限制。
具体的,获取群体中的目标用户之间的相似度大于设定阈值的训练路径也就是获取群体中目标用户的相似的训练路径。
其中,所述训练路径包括课程画像和课程子路径,例如可以是,训练路径包括课程子路径,以及课程的难度。
具体的,获取每个群体中的目标用户的相似度大于设定阈值的训练路径,例如可以是,将目标用户划分为群体A、群体B和群体C,获取群体A中的目标用户的相似度大于设定阈值的训练路径,若群体A中包括目标用户Q,目标用户W,以及目标用户E,则获取目标用户Q,目标用户W,以及目标用户E的训练路径中,相似度大于设定阈值的训练路径。
S140,根据训练路径为目标用户推荐课程。
具体的,根据训练路径为目标用户推荐课程的方式可以为根据课程的难度以及用户画像确定是否将相同的训练路径进行推荐至目标用户,例如可以是,若群体中的目标用户的相同的训练路径为课程子路径O,且课程子路径O的课程的难度为Y,则根据课程的难度为Y和用户的体测成绩确定是否为用户推荐课程子路径O。
具体的,根据训练路径为目标用户推荐课程的方式可以为预先建立目标用户的用户画像与课程画像之间的对应关系的数据库,根据获取到的课程子路径确定课程画像,并根据课程图像查询数据库为目标用户推荐适合的课程。
本实施例的技术方案,通过根据用户画像筛选目标用户;按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;获取所述群体中的目标用户的相似度大于设定阈值的训练路径;根据所述训练路径为所述目标用户推荐课程,能够有针对性进行课程推荐。
实施例二
图2A为本发明实施例二中的一种课程推荐方法的流程图,本实施例以上述实施例为基础进行优化,在本实施例中,获取所述群体中的目标用户的相同的训练路径包括:按照时间顺序将所述群体中的目标用户的课程连在一起,得到与目标用户对应的课程路径;获取所述课程路径中出现概率最大的至少一条课程子路径;根据所述至少一条课程子路径得到训练路径。
如图2A所示,本实施例的方法具体包括如下步骤:
S210,根据用户画像筛选目标用户。
S220,按照预设规则将目标用户分为至少一个群体,每一个目标用户仅属于一个群体。
S230,按照时间顺序将群体中的目标用户的课程连在一起,得到与目标用户对应的课程路径。
其中,所述目标用户的课程为用户添加至训练课程的课程,例如可以是,目标用户的训练课程中包括躯干拉伸课程、下肢拉伸课程、跑前热身以及跑后拉伸。
其中,所述按照时间顺序将群体中的目标用户的课程连在一起的方式可以为,按照课程训练的时间顺序将课程连在一起,例如可以是,先训练的课程放在后训练的课程之前。
具体的,按照时间顺序将群体中的目标用户的课程连在一起,得到与目标用户对应的课程路径,例如可以是,根据躯干拉伸课程、下肢拉伸课程、跑前热身以及跑后拉伸课程的训练的先后顺序将躯干拉伸课程、下肢拉伸课程、跑前热身以及跑后拉伸连在一起,得到与目标用户对应的课程路径。
S240,获取课程路径中出现概率最大的至少一条课程子路径。
其中,所述课程子路径至少包括一个课程,例如可以是,课程子路径包括:马甲线养成和上肢拉伸。
具体的,获取课程路径中出现概率最大的至少一个课程子路径的方式可以为,获取课程路径中出现概率最大的课程的名称,例如可以是,群体N包括:目标用户A、目标用户B和目标用户C,目标用户A对应的课程路径为:瑜伽·柔韧-哑铃进阶循环训练第一节-瑜伽·基础力量-马甲线养成-上肢拉伸-哑铃进阶循环训练第二节-全身拉伸-哑铃进阶循环训练第三节。目标用户B对应的课程路径为:瑜伽·基础力量-马甲线养成-上肢拉伸-一字马横叉-睡前拉伸-下肢拉伸。目标用户C对应的课程路径为:瑜伽·基础力量-马甲线养成-上肢拉伸-有氧操·全身燃动,由此可见,目标用户A对应的课程路径、目标用户B对应的课程路径以及目标用户C对应的课程路径中,出现次数最多的子路径为瑜伽·基础力量-马甲线养成-上肢拉伸。
S250,根据至少一条课程子路径得到训练路径。
其中,所述训练路径包括至少一条课程子路径以及课程画像。
具体的,根据至少一条课程子路径得到训练路径的方式可以为根据至少一条课程子路径得到至少一条课程子路径的课程图像,叠加至少一条课程子路径和课程图像得到训练路径。
可选的,根据所述至少一条课程子路径得到训练路径包括:
获取所述至少一条课程子路径的课程画像;其中,所述课程画像包括:课程类型、课程的难度、课程针对的肌肉点、课程消耗的卡路里、课程的时长、课程目标、课程包含的动作、课程是否需要器械协助完成中的至少一种。
其中,所述课程针对的肌肉点指的是训练课程针对训练的肌肉点,例如可以是,课程是针对上肢肌群。
其中,所述课程是否需要器械协助完成指的是在进行训练课程的时候是否需要辅助器械,例如可以是,是否需要哑铃,哑铃进阶循环训练第二节,课程需要哑铃辅助完成课程。
具体的,获取至少一个课程子路径包括的课程的课程画像,例如可以是,课程子路径包括瑜伽·基础力量、马甲线养成和上肢拉伸,则获取瑜伽·基础力量的课程图像、马甲线养成的课程图像和上肢拉伸的课程图像。
叠加所述课程画像和所述至少一条课程子路径,得到训练路径。
具体的,叠加至少一个课程子路径和至少一个子路径的课程图像,得到训练路径。
S260,根据训练路径为目标用户推荐课程。
在一个具体的例子中,如图2B所示,第一步,通过一定条件筛选出目标用户。条件包括注册时间、训练时长和体测前后两次成绩。第二步,将得到的目标用户分为多个群体。每个群体代表一类特定的人群,分群之间两两正交。第三步,对于每一个群体,挖掘其共同走过的训练路径。首先,按照时间顺序将用户练过的课程连在一起,然后,找出共现次数最多的一条课程子路径,最后,在此基础上对路径上课程的难度、针对的肌肉点等信息做一些提炼,与课程子路径一起作为一条训练路径。
本发明实施例针对推荐规则难以个性化覆盖用户情况的问题,使用所有用户偏好和基本身体信息,给用户找到了一群与他相似之人,通过对这群人中训练产生效果,以及训练课程的分析,确定给这个用户推荐的课程,以及练习的顺序,从而解决推荐课程逻辑单一的问题。
本实施例的技术方案,通过用户画像筛选目标用户;按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;按照时间顺序将所述群体中的目标用户的课程连在一起,得到与目标用户对应的课程路径;获取所述课程路径中出现概率最大的至少一条课程子路径;根据所述至少一条课程子路径得到训练路径;根据所述训练路径为所述目标用户推荐课程,通过本发明的技术方案,能够有针对性进行课程推荐。
实施例三
图3为本发明实施例三提供的一种课程推荐装置的结构示意图。本实施例可适用于课程推荐的情况,该装置可采用软件和/或硬件的方式实现,该装置可集成在任何提供课程推荐的功能的设备中,如图3所示,所述课程推荐装置具体包括:筛选模块310、划分模块320、获取模块330和推荐模块340。
其中,筛选模块310,用于根据用户画像筛选目标用户;
划分模块320,用于按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;
获取模块330,用于获取所述群体中的目标用户的相似度大于设定阈值的训练路径;
推荐模块340,用于根据所述训练路径为所述目标用户推荐课程。
可选的,获取模块包括:
课程路径获取单元,用于按照时间顺序将所述群体中的目标用户的课程连在一起,得到与目标用户对应的课程路径;
课程子路径获取单元,用于获取所述课程路径中出现概率最大的至少一条课程子路径;
训练路径获取单元,用于根据所述至少一条课程子路径得到训练路径。
可选的,训练路径获取单元具体用于:
获取所述至少一条课程子路径的课程画像;其中,所述课程画像包括:课程类型、课程的难度、课程针对的肌肉点、课程消耗的卡路里、课程的时长、课程目标、课程包含的动作、课程是否需要器械协助完成中的至少一种;
叠加所述课程画像和所述至少一条课程子路径,得到训练路径。
可选的,划分模块具体用于:
根据用户画像将所述目标用户分为至少一个群体。
可选的,所述用户画像包括:用户的性别、用户的年龄、用户的身份、用户的训练目标、用户的身体数据、用户的运动偏好、减脂信息、注册时间、训练时长、体测成绩以及增肌信息中的至少一种。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本实施例的技术方案,通过根据用户画像筛选目标用户;按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;获取所述群体中的目标用户的相似度大于设定阈值的训练路径;根据所述训练路径为所述目标用户推荐课程,能够有针对性进行课程推荐。
实施例四
图4为本发明实施例四中的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18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。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12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。
系统存储器28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)30和/或高速缓存存储器32。计算机设备12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34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4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18相连。存储器28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发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42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42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12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22进行。另外,本实施例中的计算机设备12,显示器24不是作为独立个体存在,而是嵌入镜面中,在显示器24的显示面不予显示时,显示器24的显示面与镜面从视觉上融为一体。并且,计算机设备12还可以通过网络适配器20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20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12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。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的课程推荐方法:根据用户画像筛选目标用户;按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;获取所述群体中的目标用户的相似度大于设定阈值的训练路径;根据所述训练路径为所述目标用户推荐课程。
实施例五
本发明实施例五提供了一种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如本申请所有发明实施例提供的课程推荐方法:根据用户画像筛选目标用户;按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;获取所述群体中的目标用户的相似度大于设定阈值的训练路径;根据所述训练路径为所述目标用户推荐课程。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种课程推荐方法,其特征在于,包括:
根据用户画像筛选目标用户;
按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;
获取所述群体中的目标用户的相似度大于设定阈值的训练路径;
根据所述训练路径为所述目标用户推荐课程。
2.根据权利要求1所述的方法,其特征在于,获取所述群体中的目标用户的相似度大于设定阈值的训练路径包括:
按照时间顺序将所述群体中的目标用户的课程连在一起,得到与目标用户对应的课程路径;
获取所述课程路径中出现概率最大的至少一条课程子路径;
根据所述至少一条课程子路径得到训练路径。
3.根据权利要求2所述的方法,其特征在于,根据所述至少一条课程子路径得到训练路径包括:
获取所述至少一条课程子路径的课程画像;其中,所述课程画像包括:课程类型、课程的难度、课程针对的肌肉点、课程消耗的卡路里、课程的时长、课程目标、课程包含的动作、课程是否需要器械协助完成中的至少一种;
叠加所述课程画像和所述至少一条课程子路径,得到训练路径。
4.根据权利要求1所述的方法,其特征在于,按照预设规则将所述目标用户分为至少一个群体包括:
根据用户画像将所述目标用户分为至少一个群体。
5.根据权利要求1或4所述的方法,其特征在于,所述用户画像包括:用户的性别、用户的年龄、用户的身份、用户的训练目标、用户的身体数据、用户的运动偏好、减脂信息、注册时间、训练时长、体测成绩以及增肌信息中的至少一种。
6.一种课程推荐装置,其特征在于,包括:
筛选模块,用于根据用户画像筛选目标用户;
划分模块,用于按照预设规则将所述目标用户分为至少一个群体,每一个目标用户仅属于一个群体;
获取模块,用于获取所述群体中的目标用户的相似度大于设定阈值的训练路径;
推荐模块,用于根据所述训练路径为所述目标用户推荐课程。
7.根据权利要求6所述的装置,其特征在于,获取模块包括:
课程路径获取单元,用于按照时间顺序将所述群体中的目标用户的课程连在一起,得到与目标用户对应的课程路径;
课程子路径获取单元,用于获取所述课程路径中出现概率最大的至少一条课程子路径;
训练路径获取单元,用于根据所述至少一条课程子路径得到训练路径。
8.根据权利要求7所述的装置,其特征在于,训练路径获取单元具体用于:
获取所述至少一条课程子路径的课程画像;其中,所述课程画像包括:课程类型、课程的难度、课程针对的肌肉点、课程消耗的卡路里、课程的时长、课程目标、课程包含的动作、课程是否需要器械协助完成中的至少一种;
叠加所述课程画像和所述至少一条课程子路径,得到训练路径。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910098085.4A CN109816494B (zh) | 2019-01-31 | 2019-01-31 | 一种课程推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910098085.4A CN109816494B (zh) | 2019-01-31 | 2019-01-31 | 一种课程推荐方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816494A true CN109816494A (zh) | 2019-05-28 |
CN109816494B CN109816494B (zh) | 2021-05-28 |
Family
ID=66606094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910098085.4A Active CN109816494B (zh) | 2019-01-31 | 2019-01-31 | 一种课程推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816494B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110727718A (zh) * | 2019-10-14 | 2020-01-24 | 成都乐动信息技术有限公司 | 一种健身课程智能生成方法及系统 |
CN111125522A (zh) * | 2019-12-16 | 2020-05-08 | 华为技术有限公司 | 向用户推荐运动方案的方法、电子设备以及存储介质 |
CN111966913A (zh) * | 2020-10-21 | 2020-11-20 | 拼说说(深圳)网络科技有限公司 | 一种教育资源推荐处理方法、装置及计算机设备 |
CN112632385A (zh) * | 2020-12-29 | 2021-04-09 | 中国平安人寿保险股份有限公司 | 课程推荐方法、装置、计算机设备及介质 |
CN113240563A (zh) * | 2021-05-31 | 2021-08-10 | 中国联合网络通信集团有限公司 | 课程推送方法、装置和服务器 |
CN113743645A (zh) * | 2021-07-16 | 2021-12-03 | 广东财经大学 | 基于路径因素融合的在线教育课程推荐方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN106971063A (zh) * | 2017-03-13 | 2017-07-21 | 宇龙计算机通信科技(深圳)有限公司 | 健身方案推荐方法及移动终端 |
CN107633430A (zh) * | 2017-09-20 | 2018-01-26 | 哈尔滨工业大学 | 一种基于群体社区的商品推荐方法 |
CN108479044A (zh) * | 2018-04-10 | 2018-09-04 | 四川斐讯信息技术有限公司 | 一种穿戴设备的运动方法和系统 |
CN108769198A (zh) * | 2018-05-29 | 2018-11-06 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108960918A (zh) * | 2018-06-29 | 2018-12-07 | 深圳春沐源控股有限公司 | 信息推送的方法及系统 |
-
2019
- 2019-01-31 CN CN201910098085.4A patent/CN109816494B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN106971063A (zh) * | 2017-03-13 | 2017-07-21 | 宇龙计算机通信科技(深圳)有限公司 | 健身方案推荐方法及移动终端 |
CN107633430A (zh) * | 2017-09-20 | 2018-01-26 | 哈尔滨工业大学 | 一种基于群体社区的商品推荐方法 |
CN108479044A (zh) * | 2018-04-10 | 2018-09-04 | 四川斐讯信息技术有限公司 | 一种穿戴设备的运动方法和系统 |
CN108769198A (zh) * | 2018-05-29 | 2018-11-06 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN108960918A (zh) * | 2018-06-29 | 2018-12-07 | 深圳春沐源控股有限公司 | 信息推送的方法及系统 |
Non-Patent Citations (1)
Title |
---|
黄学平: "一次广播的数字化实现", 《2017中国广播收听市场年鉴》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110727718A (zh) * | 2019-10-14 | 2020-01-24 | 成都乐动信息技术有限公司 | 一种健身课程智能生成方法及系统 |
CN111125522A (zh) * | 2019-12-16 | 2020-05-08 | 华为技术有限公司 | 向用户推荐运动方案的方法、电子设备以及存储介质 |
CN111125522B (zh) * | 2019-12-16 | 2023-12-08 | 花瓣云科技有限公司 | 向用户推荐运动方案的方法、电子设备以及存储介质 |
CN111966913A (zh) * | 2020-10-21 | 2020-11-20 | 拼说说(深圳)网络科技有限公司 | 一种教育资源推荐处理方法、装置及计算机设备 |
CN112632385A (zh) * | 2020-12-29 | 2021-04-09 | 中国平安人寿保险股份有限公司 | 课程推荐方法、装置、计算机设备及介质 |
CN112632385B (zh) * | 2020-12-29 | 2023-09-22 | 中国平安人寿保险股份有限公司 | 课程推荐方法、装置、计算机设备及介质 |
CN113240563A (zh) * | 2021-05-31 | 2021-08-10 | 中国联合网络通信集团有限公司 | 课程推送方法、装置和服务器 |
CN113240563B (zh) * | 2021-05-31 | 2023-06-16 | 中国联合网络通信集团有限公司 | 课程推送方法、装置和服务器 |
CN113743645A (zh) * | 2021-07-16 | 2021-12-03 | 广东财经大学 | 基于路径因素融合的在线教育课程推荐方法 |
CN113743645B (zh) * | 2021-07-16 | 2024-02-02 | 广东财经大学 | 基于路径因素融合的在线教育课程推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109816494B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816494A (zh) | 一种课程推荐方法、装置、设备及存储介质 | |
CN106611052B (zh) | 文本标签的确定方法及装置 | |
US20190026605A1 (en) | Neural network model training method and apparatus, living body detecting method and apparatus, device and storage medium | |
US20220391773A1 (en) | Method and system for artificial intelligence learning using messaging service and method and system for relaying answer using artificial intelligence | |
Palermo et al. | Do people have insight into their face recognition abilities? | |
Gan et al. | Vqs: Linking segmentations to questions and answers for supervised attention in vqa and question-focused semantic segmentation | |
Ponterotto et al. | The Suinn-Lew Asian self-identity acculturation scale (SL-ASIA): Critique and research recommendations | |
CN110070085A (zh) | 车牌识别方法和装置 | |
CN109766412B (zh) | 一种基于图像识别的学习内容获取方法及电子设备 | |
CN108491486B (zh) | 模拟病人问诊对话方法、装置、终端设备及存储介质 | |
CN109348275A (zh) | 视频处理方法和装置 | |
CN110377740A (zh) | 情感极性分析方法、装置、电子设备及存储介质 | |
CN108229535B (zh) | 涉黄图像审核方法、装置、计算机设备及存储介质 | |
CN109492122A (zh) | 商家信息的获取方法、装置、终端及计算机可读存储介质 | |
US20160086510A1 (en) | Movement assessor | |
CN109887557A (zh) | 一种智能语音预问诊系统 | |
CN110781413A (zh) | 兴趣点确定方法及装置、存储介质、电子设备 | |
CN113064994A (zh) | 会议质量评估方法、装置、设备及存储介质 | |
KR102420674B1 (ko) | 사용자 맞춤형 운동 영상 제공 방법 및 시스템 | |
CN110135850A (zh) | 一种信息处理方法和相关装置 | |
CN114385817A (zh) | 实体关系的识别方法、设备及可读存储介质 | |
CN112992187B (zh) | 基于上下文的语音情感检测方法、装置、设备及存储介质 | |
CN113488157A (zh) | 智能导诊处理方法、装置、电子设备及存储介质 | |
Hwang et al. | Cultural differences in victory signals of triumph | |
CN110648754A (zh) | 科室推荐方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |