CN110362742A - 课程信息匹配方法、装置、计算机设备及存储介质 - Google Patents
课程信息匹配方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110362742A CN110362742A CN201910525870.3A CN201910525870A CN110362742A CN 110362742 A CN110362742 A CN 110362742A CN 201910525870 A CN201910525870 A CN 201910525870A CN 110362742 A CN110362742 A CN 110362742A
- Authority
- CN
- China
- Prior art keywords
- ability
- corpus
- default
- vector
- training course
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012549 training Methods 0.000 claims abstract description 143
- 239000013598 vector Substances 0.000 claims description 179
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000010606 normalization Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 63
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000035922 thirst Effects 0.000 description 7
- 238000012163 sequencing technique Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010043458 Thirst Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90332—Natural language query formulation or dialogue systems
-
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种课程信息匹配方法、装置、计算机设备及存储介质，提高了培训课程信息推荐准确性。方法部分包括：获取待培训人员针对访谈问题的回答语料；确定所述回答语料分别与多个预设能力标准因子的相关程度，所述预设能力标准因子包含用于表征预设能力的能力描述；根据所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分；根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息。
Description
技术领域
本发明涉及智能推荐领域，尤其涉及一种课程信息匹配方法、装置、计算机设备及存储介质。
背景技术
现代科技的迅速发展，社会上对于各种人才的需求比较迫切。为了能使得员工的能力得到快速的提升，通常会对员工进行常规的培训，在传统的培训中，是通过应用程序(APP)向用户推荐培训课程信息，让用户通过APP接收培训课程信息，利用用户学习APP的培训课程从而达到培训的目的，然而，上述推荐培训课程信息的方式，通常使用用户的浏览习惯或浏览记录，去推荐相关培训课程信息，推荐出的培训课程信息中无法达到企业为了培训员工某种能力的目的，推荐的培训课程信息不够准确。
发明内容
本发明公开了一种课程信息匹配方法、装置、计算机设备及计算机存储介质，提高了培训针对性，从而也就提高了培训效果。
一种课程信息匹配方法，包括：
获取待培训人员针对访谈问题的回答语料；
确定所述回答语料分别与多个预设能力标准因子的相关程度，所述预设能力标准因子包含用于表征预设能力的能力描述；
根据所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分；
根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息。
一种课程信息匹配装置，包括：
获取模块，用于获取待培训人员针对访谈问题的回答语料；
第一确定模块，用于确定所述获取模块获取的所述回答语料分别与多个预设能力标准因子的相关程度，所述预设能力标准因子包含用于表征所述待培训人员预设能力的能力描述；
第二确定模块，用于根据所述第一确定模块确定的所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分；
第三确定模块，用于根据所述第二确定模块确定的所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述课程信息匹配方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述课程信息匹配方法的步骤。
上述课程信息匹配方法、装置、计算机设备及存储介质所实现的方案中，可确定所述回答语料分别与多个预设能力标准因子的相关程度，并所述回答语料分别与多个预设能力标准因子的相关程确定出能体现待培训人员预设能力的评分，依据评分匹配出与待培训人员具备针对性的目标培训课程信息，这样，能推荐出培训员工某种能力的培训课程信息，推荐的培训课程信息比较准确。
附图说明
为了更清楚地说明本发明的技术方案，下面将对本发明的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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中课程信息匹配方法的系统框架示意图；
图2是本发明一实施例中课程信息匹配方法的一流程示意图；
图3是本发明一实施例中课程信息匹配方法的一流程示意图；
图4是本发明一实施例中课程信息匹配方法的一流程示意图；
图5是本发明一实施例中课程信息匹配方法的一流程示意图；
图6是本发明一实施例中课程信息匹配方法的一流程示意图；
图7是本发明一实施例中课程信息匹配方法的一流程示意图；
图8是本发明一实施例中课程信息匹配方法的一流程示意图；
图9是本发明一实施例中课程信息匹配装置的一结构示意图；
图10是本发明一实施例中计算机设备的一结构示意图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的课程信息匹配方法，可应用在如图1的应用环境中，其中，服务器可实时获取到待培训人员针对访谈问题的回答材料，并对获取到的回答语料执行本发明所提供的课程信息匹配方法，以确定出该待培训人员匹配的目标培训课程信息，其中，服务器可以为独立的服务器或服务器集群实现，具体这里不做限定。下面对本发明所提供的培训课程处理进行详细的描述：
在一实施例中，如图2所示，包括如下步骤：
S10：获取待培训人员针对访谈问题的回答语料。
为了提高对待培训人员进行针对性的培训，本发明实施例旨在为待培训人员匹配出适合的目标培训课程信息，首先，本发明实施例预设有访谈问题，该访谈问题为了获取到待培训人员相关能力信息所预先设置的问题集合，示例性的，上述访谈问题可以是为了获取销售人员的相关能力信息而设置的访谈问题，例如，访谈问题可以是“您在什么地方，以什么销售方式完成一件销售任务？”；“在该次销售任务中，您怎么有效地和客户进行沟通？”；“在该次销售任务的执行过程中，您怎么接待客户？”；“在该次销售任务的执行过程中，您觉得有什么苦难？”；“对于此次销售任务，您得到的包括金钱上的回报，您怎么看待”等。需要说明的是，访谈问题示例在这里只是以针对销售人员时的访谈问题设置情况为例进行示例性说明，具体可根据待培训人员的职业情况合理的设置能获得待分析人员相关能力信息的访谈问题，这里不一一说明。而回答语料是指代分析人员针对上述访谈问题所回复的语音数据或文本数据。
在本发明实施例中，可获取待培训人员针对上述访谈所问答的回答语料。例如，在一些应用场景中，可每个一段时间，例如以一个季度为单位，单独为每个待培训人员单独进行访谈，采用录用设备获取待培训人员针对每个访谈问题所回答的语音数据，将针对每个访谈问题的答复作为本发明实施例中的回答语料。
S20：确定所述回答语料分别与多个预设能力标准因子的相关程度，所述预设能力标准因子包含用于表征预设能力的能力描述。
预设能力标准因子是预先设置的标准能力需求，该预设能力标准因子包含有用于表征预设能力的能力描述。
在一实施例中，所述多个预设能力标准因子包括沟通能力标准因子、对客户至上能力标准因子、执行能力标准因子、吃苦能力标准因子以及成功渴望能力因子。下面对上述多个预设能力标准因子共同构成能力词典，下面分别对上述多个预设能力标准因子的进行介绍：
沟通能力标准因子包含有用于表征沟通能力的能力描述，示例性地，可定义为：根据对方的需求，后来从对方角度考虑问题，清晰地传达意见和想法；专心倾听，坦诚、最后与对方达成一致；使用适当的语法和词汇；明确对方疑惑，有效解决对方问题；
对客户至上能力标准因子包含有用于表征是否对客户至上能力的能力描述，示例性地，可定义为：满足对方要求、获取对方信息，并根据对方信息替对方考虑；与对方建立联络关系，保持联络；让对方放心，让对方确认最终结果；
执行能力标准因子包含有用于表征执行力的能力描述，示例性地，可定义为：理解上级意图和想法，并付诸行动，按时按量的完成工作任务；
吃苦能力标准因子包含有用于表征吃苦能力的能力描述，示例性地，可定义为：遇到困难不放弃，继续执行工作任务；超量完成工作任务；
成功渴望能力因子包含有用于表征对成功渴望程度的能力描述，示例性地，可定义为：获取回报时心情激昂、渴望工作任务完成。
需要说明的是，上述关于预设能力标准因子的描述，这里只是示例性说明，实际上，可根据实际应用情况，对上述预设能力标准的能力描述作合理调整，另外，本发明实施例还可以设置少于或多于上述所提到的能力标准因子的预设能力标准因子数量，当新增预设能力标准因子数量时，可增加相应的能力描述，本发明实施例不做限定，也不一一举例说明。
在发明实施中，在获取到待培训人员针对访谈问题的回答语料，确定所述回答语料分别与多个预设能力标准因子的相关程度，也就是指确定所述回答语料的文字体现与预设能力标准因子的匹配程度，与预设能力标准因子的相关程度越高，说明待培训人员具备该预设能力标准因子的所定义的能力的可能越高，反之相反。
S30：根据所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分。
在确定所述回答语料分别与多个预设能力标准因子的相关程度之后，根据所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分。其中，所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分正相关，相关程度越高，预设能力的评分则越高。
示例地，可分别根据上述回答语料分别与沟通能力标准因子、对客户至上能力标准因子、执行能力标准因子、吃苦能力标准因子以及成功渴望能力因子的相关程度，从而对应确定出待培训人员的沟通能力、对客户至上能力、执行能力、吃苦能力以及成功渴望能力对应的评分。具体地，本发明实施例可直接将反应所述回答语料分别与每项预设能力标准因子的相关程度的值直接作为上述每项所述预设能力的评分。
S40：根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息。
需要说明的是，本发明实施例中预设培训课程库为预先收集的视音频、书籍等培训课程，其中，从预设培训课程库包含各种各样可用于提高上述预设能力的培训课程，依据培训目的不同，对培训课程进行了分类，例如用于提升沟通能力、对客户至上能力、执行能力、吃苦能力以及成功渴望能力进行分类的培训课程。
在确定所述待培训人员的每项所述预设能力的评分之后，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息，以便后续向待培训人员推荐目标培训课程信息对应的培训课程，其中，上述目标培训课程信息具体可以是该培训课程对应的标题、链接等相关信息。
示例性地，若待培训人员的沟通能力的评分体现出待培训人员的沟通能力欠缺，则确定出可提高沟通能力的培训课程；若待培训人员的对客户至上能力的评分体现出待培训人员的对待客户态度有所欠缺，则确定出转变对客户态度的培训课程；若待培训人员的对客户至上能力的评分体现出待培训人员的对待客户态度有所欠缺，则确定出转变对客户态度的培训课程；若待培训人员的执行能力的评分体现出待培训人员的执行能力有所欠缺，则确定出提高执行力的培训课程；若待培训人员的吃苦能力的评分体现出待培训人员的吃苦能力有所欠缺，则确定出提升吃苦能力的培训课程；若待培训人员的成功渴望能力的评分体现出待培训人员对成功的渴望程度有所欠缺，则确定可提高对成功渴望程度的培训课程。
可见，在本发明实施例所提供的课程信息匹配方法中，可确定所述回答语料分别与多个预设能力标准因子的相关程度，并所述回答语料分别与多个预设能力标准因子的相关程确定出能体现待培训人员预设能力的评分，依据评分匹配出与待培训人员具备针对性的目标培训课程信息，这样，能推荐出培训员工某种能力的培训课程信息，推荐的培训课程信息比较准确，也就提高了企业的员工培训效果。
在一实施例中，如图3所示，步骤S20中，即确定所述回答语料分别与多个预设能力标准因子的相关程度具体包括如下步骤：
S21：对所述回答语料进行词向量转化，以获得所述回答语料对应的回答语料向量序列。
具体地，若回答语料为语音数据形式，则可将回答语料进行文本转化，从对转化得到的回答文本进行分词，得到组成回答文本的各语料分词，再将各语料分词向量化，得到各语料分词各自对应的词向量，从而得到回答语料向量序列。若获取到的回答语料已经是文本数据形式，则直接将回答语料进行分词，得到组成回答语料的各语料分词，再将各语料词向量化，得到各语料分词各自对应的词向量，从而得到回答语料向量序列。回答语料向量序列包括回答语料的各语料分词词向量化得到的各词向量。各语料分词向量后的先后顺序与相应的语料分词词在回答语料中出现的先后顺序一致。可以理解，回答语料中最开始的语料分词所对应的词向量在回答语料词向量序列中的顺序最靠前。
S22：分别对所述多个预设能力标准因子的能力描述进行词向量转化，以获得每个所述预设能力标准因子的能力描述向量序列。
同理，可分别对所述多个预设能力标准因子的能力描述进行词向量转化，以获得每个所述预设能力标准因子的能力描述向量序列。示例性的，若多个预设能力标准因子包括包括沟通能力标准因子、对客户至上能力标准因子、执行能力标准因子、吃苦能力标准因子以及成功渴望能力因子，则分别将沟通能力标准因子、对客户至上能力标准因子、执行能力标准因子、吃苦能力标准因子以及成功渴望能力因子的能力描述进行词向量转化，以得到每个所述预设能力标准因子的能力描述向量序列。
S23：分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度，以确定出所述回答语料分别与多个预设能力标准因子的相关程度。
在得到回答语料的对应的回答语料向量序列，以及多个预设能力标准因子的能力描述对应的能力描述向量序列之后，依据上述两种向量序列，可分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度，以确定出所述回答语料分别与多个预设能力标准因子的相关程度
值得注意的是，在一些应用场景中，可直接通过word2vec算法实现上述步骤S21和S22的词向量转化过程，这里不做展开描述，另外需要说明的是，本发明实施例不对上述能力描述和回答语料转化为何种形式的词向量做限定。
在一实施例中，还提出了另外一种词向量的转化方式，如图4所示，步骤S21中，即对所述回答语料进行词向量转化，以获得所述回答语料对应的回答语料向量序列，具体包括如下步骤：
S211：对所述回答语料作分词处理得到所述回答语料对应的语料有效词序列。
S212：确定所述回答语料有效词序列的每个语料分词的词性以及对应的词长。
S213：分别将所述每个语料分词对应的词性以及词长转化为词性向量以及词长向量。
S214：确定所述每个语料分词的内容特征，并将所述语料分词的内容特征作为所述语料分词的内容向量。
S215：通过所述每个分词的内容向量、词性向量以及词长向量组合所述回答语料对应的回答语料向量序列。
对于步骤S211-S214，可以理解，其中，分词是将一个连续的字符序列切分成多个单独的字符或者字符序列的过程。词性(Part of speech，POS)是反映词的内容所属类型的数据。词性包括形容词、介词、谓词和名词等词性。词长是词所包含的字符的数量。词性和词长会很大程度上影响语义含义，比如自然人习惯在谓词后停顿较长的时间，或者在词长较长的词后停顿较长的时间等。
具体地，服务器可采用预设的分词方式对回答语料进行分词处理，得到多个字符或者字符序列，并对上述多个字符或者字符序列进行去停词等处理，处理后的字符或者字符序列按照各自在回答语料中出现的先后顺序形成所述回答语料对应的语料有效词序列。计算机设备可再根据词汇表确定语料有效词序列中各语料分词相应的词性，并统计各语料分词相应的词长。其中，预设的分词方式可以是基于字符匹配、基于语义理解或者基于统计的分词方式。服务器可设置分词得到的各语料分词的词长阈值，使得语料有效词序列得到的各语料分词的词长均不超过词长阈值。
具体地，服务器可以预先设置编码方式，通过该编码方式将词性编码为词性向量，将词长编码为词长向量。然后将内容向量、词性向量和词长向量进行组合得到相应词所对应的词向量，得到词向量序列。其中，编码方式比如One-Hot编码或者整数编码等。内容向量、词性向量和词长向量组合的方式可以是直接拼接或者是通过连接向量间接拼接。
举例说明，假设词性的种类共有4种，分别为名词、动词、形容词和副词，则其One-Hot编码分别为：[1,0,0,0]，[0,1,0,0]，[0,0,1,0]，[0,0,0,1]。也就是说名词、动词、形容词和副词各自被映射为的词性向量为[1,0,0,0]，[0,1,0,0]，[0,0,1,0]，[0,0,0,1]。计算机设备可设置分词得到语料分词的词长阈值。假设词长阈值为10，那么词长为1的词的One-Hot编码(词长向量)为：[1,0,0,0,0,0,0,0,0,0]，词长为2的词的编码(词长向量)为：[0,1,0,0,0,0,0,0,0,0]，以此类推。假设语料分词“销售”的内容向量为[1,0,1,0,0,1,0,1,0,0]，词性向量为[1,0,0,0]，词长向量为[0,1,0,0,0,0,0,0,0,0]，那么该语料分词的词向量为由[1,0,1,0,0,1,0,1,0,0]、[1,0,0,0]和[0,1,0,0,0,0,0,0,0,0]直接拼接得到的[1,0,1,0,0,1,0,1,0,0,1,0,0,0,0,1,0,0,0,0,0,0,0,0]。需要说明的是，上述例子只是为了便于理解本发明实施例所作的示例性说明，并不对本发明是实施例构成限定。
进一步地，服务器再根据各语料分词的内容特征、词性与词长，将该语料词向量化，得到该语料分词相应的词性向量、词长向量和内容向量，通过所述每个分词的内容向量、词性向量以及词长向量进行组合得到所述回答语料对应的回答语料向量序列。其中，计算机设备可以利用预设词向量转化算法将词转化为词向量，如word2vec等，这里不做限定。
在一实施例中，如图5所示，步骤S22中，即分别对所述多个预设能力标准因子的能力描述进行词向量转化，以获得每个所述预设能力标准因子的能力描述向量序列，具体包括如下步骤：
S221：分别对所述多个预设能力标准因子的能力描述作分词处理以得到所述多个能力描述对应的能力描述有效词序列。
S222：确定每个所述能力描述有效词序列的每个描述分词的词性以及对应的词长。
S223：分别将所述每个描述分词对应的词性以及词长转化为词性向量以及词长向量。
S224：确定所述每个描述分词的内容特征，并将所述描述分词的内容特征作为所述描述分词的内容向量。
S225：通过对每个所述能力描述对应的所述每个描述分词的内容向量、词性向量以及词长向量组合每个所述能力描述对应的能力描述向量序列，以得到所述多个能力描述对应的能力描述向量序列。
需要说明的是，对于步骤S221-S225，可对应参阅前述获取回答语料向量序列的方式，这里不重复赘述。
在一实施例中，步骤S23中，即分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度，以确定出所述回答语料分别与多个预设能力标准因子的相关程度，具体包括如下步骤：
通过以下公式分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度：
其中，所述A表示所述回答语料向量序列，所述||A||表示所述回答语料向量序列的二范数，所述B表示所述能力描述向量序列，所述||B||表示所述能力描述向量序列的二范数，所述δ(A,B)表示所述回答语料向量序列与所述能力描述向量序列之间的相似度。
在一实施例中，分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度，以确定出所述回答语料分别与多个预设能力标准因子的相关程度，具体包括如下步骤：
通过以下公式分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度：
其中，所述A表示所述回答语料向量序列，所述B表示所述能力描述向量序列，所述A＝[a1,a2,...,an],B＝[b1,b2,...,bn],所述δ(A,B)表示所述回答语料向量序列与所述能力描述向量序列之间的相似度。
在一实施例中，如图6所示，步骤S20中，即确定所述回答语料分别与多个预设能力标准因子的相关程度，具体包括如下步骤：
S21`：对所述回答语料进行词向量转化，以获得所述回答语料对应的回答语料向量序列。
具体地，若回答语料为语音数据形式，则可将回答语料进行文本转化，从对转化得到的回答文本进行分词，得到组成回答文本的各分词，再将各词向量化，得到各分词各自对应的词向量，从而得到回答语料向量序列。若获取到的回答语料已经是文本数据形式，则直接将回答语料进行分词，得到组成回答文本的各分词，再将各词向量化，得到各分词各自对应的词向量，从而得到回答语料向量序列。回答语料向量序列包括回答语料的各词向量化得到的各词向量。各词向量的先后顺序与相应的词在回答语料中出现的先后顺序一致。可以理解，回答语料中最开始的词所对应的词向量在回答语料词向量序列中的顺序最靠前。
S22`：分别对所述多个预设能力标准因子的能力描述进行词向量转化，以获得每个所述预设能力标准因子的能力描述向量序列。
同理，可分别对所述多个预设能力标准因子的能力描述进行词向量转化，以获得每个所述预设能力标准因子的能力描述向量序列。示例性的，若多个预设能力标准因子包括包括沟通能力标准因子、对客户至上能力标准因子、执行能力标准因子、吃苦能力标准因子以及成功渴望能力因子，则分别将沟通能力标准因子、对客户至上能力标准因子、执行能力标准因子、吃苦能力标准因子以及成功渴望能力因子的能力描述进行词向量转化，以得到每个所述预设能力标准因子的能力描述向量序列。
S23`：将所述回答语料向量序列与多个所述预设能力标准因子的能力描述向量序列输入预设NPL模型中，以得到所述回答语料分别与多个预设能力标准因子的相关程度。
其中，该预设NPL模型为根据以下步骤训练得到：
获取历史回答语料样本集；
针对所述回答语料样本集中的每个回答语料样本对应的回答语料向量序列，对与多个预设能力标准因子的能力描述对应的能力描述向量序列进行关联标注；
将已进行所述标注的所述回答语料样本集作为训练数据输入初始NPL模型，以训练出所述预设NPL模型。具体关于模型的训练过程，这里不展开描述。
在一实施例中，如图7所示，步骤S40中，即根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息，具体包括如下步骤：
S41：将所述待培训人员每项所述预设能力的评分低于预设阈值的作为待培训能力。
S42：从所述预设培训课程库选取与所述待培训能力对应的培训课程。
S43：将所述培训课程对应的培训课程信息作为所述目标培训课程信息。
也就是说，预设能力的评分越低，说明该项低分能力越需要进行培训以提升能力，在本发明实施例中，通过预设阈值以及预设能力的评分确定出待培训能力，从预设培训课程库中选取出与待培训能力对应的培训课程，将所述培训课程对应的培训课程信息作为所述目标培训课程信息。需要说明的是，根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息，具体还可以是，对针对同一预设能力的培训课程进行划分，同一种预设能力的培训课程也有对应的分数区间，分数区间对应该培训课程的课程时长，先是所述待培训人员每项所述预设能力的评分低于预设阈值的作为待培训能力，并从所述预设培训课程库选取与所述待培训能力对应的培训课程，判断所述待培训人员每项所述预设能力的评分位于哪个分数区间，选取所述待培训能力对应的培训课程中，分数区间对应的培训课程的培训课程信息作为目标培训课程信息。也就是说，依据预设能力的评分高低，可以进一步对应选取培训时长不同的培训课程。
在一实施例中，如图8所示，步骤S40之后，即所述根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息之后，所述方法还具体包括如下步骤：
S50：通过预设应用程序向所述待培训人员推荐所述目标培训课程信息。
其中，该预设应用程序可为转为待培训人员设置的用于学习培训课程的APP，因此，在确定了出匹配待培训人员的目标培训课程信息后，可通过预设应用程序向所述待培训人员推荐所述目标培训课程信息。
S60：获取所述待培训人员通过所述预设应用程序反馈的针对所述目标培训课程信息对应的培训课程的学习时长记录。
在通过预设应用程序向所述待培训人员推荐所述目标培训课程信息之后，待培训人员可通过该预设应用程序对目标培训课程信息对应的培训课程进行学习，在本发明实施例中，可通过对预设应用程序进行数据埋点的形式对进行待培训人员进行培训监控，以确定所述待培训人员是否通过所述预设应用程序反馈的针对所述目标培训课程信息对应的培训课程进行观看学习，并可记录学习时长记录，对于计算设备而言，可获取所述待培训人员通过所述预设应用程序反馈的针对所述目标培训课程信息对应的培训课程的学习时长记录。
S70：当所述培训课程的学习时长记录满足预设时长时，将所述培训课程标记为已学习，当所述学习时长记录未满足预设时长时，将所述培训课程标记为未学习。
也就是说，在确定出与待培训人员匹配的目标培训课程信息后，可对待培训人员针对目标培训课程信息对应的培训课程的学习情况进行记录，从而了解待培训人员是否针对目标培训课程信息对应的培训课程进行学习。以便后续对应重新调整访谈内容甚至待培训人员。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种课程信息匹配装置，该课程信息匹配装置与上述实施例中课程信息匹配方法一一对应。如图9所示，该课程信息匹配装置10包括获取模块101、第一确定模块102、第二确定模块103、第三确定模块104。各功能模块详细说明如下：
获取模块101，用于获取待培训人员针对访谈问题的回答语料；
第一确定模块102，用于确定所述获取模块获取的所述回答语料分别与多个预设能力标准因子的相关程度，所述预设能力标准因子包含用于表征所述待培训人员预设能力的能力描述；
第二确定模块103，用于根据所述第一确定模块确定的所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分；
第三确定模块104，用于根据所述第二确定模块确定的所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息。
在一实施例中，所述第一确定模块包括：
第一转化单元，用于对所述回答语料进行词向量转化，以获得所述回答语料对应的回答语料向量序列；
第二转换单元，用于分别对所述多个预设能力标准因子的能力描述进行词向量转化，以获得每个所述预设能力标准因子的能力描述向量序列；
第一确定单元，用于分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度，以确定出所述回答语料分别与多个预设能力标准因子的相关程度。
在一实施例中，第一转化单元具体用于：
对所述回答语料作分词处理得到所述回答语料对应的语料有效词序列；
确定所述语料有效词序列的每个语料分词的词性以及对应的词长；
分别将所述每个语料分词对应的词性以及词长转化为词性向量以及词长向量；
确定所述每个语料分词的内容特征，并将所述语料分词的内容特征作为所述语料分词的内容向量；
通过所述每个语料分词的内容向量、词性向量以及词长向量组合所述回答语料对应的回答语料向量序列；
第二转化单元具体用于：
分别对所述多个预设能力标准因子的能力描述作分词处理以得到所述多个能力描述对应的能力描述有效词序列；
确定每个所述能力描述有效词序列的每个描述分词的词性以及对应的词长；
分别将所述每个描述分词对应的词性以及词长转化为词性向量以及词长向量；
确定所述每个描述分词的内容特征，并将所述描述分词的内容特征作为所述描述分词的内容向量；
通过对每个所述能力描述对应的所述每个描述分词的内容向量、词性向量以及词长向量组合每个所述能力描述对应的能力描述向量序列，以得到所述多个能力描述对应的能力描述向量序列。
在一实施例中，第一确定单元具体用于：
通过以下公式分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度：
其中，所述A表示所述回答语料向量序列，所述||A||表示所述回答语料向量序列的二范数，所述B表示所述能力描述向量序列，所述||B||表示所述能力描述向量序列的二范数，所述δ(A,B)表示所述回答语料向量序列与所述能力描述向量序列之间的相似度。
在一实施例中，第三确定模块包括：
第二确定单元，用于将所述待培训人员每项所述预设能力的评分低于预设阈值的作为待培训能力；
第三确定单元，用于从所述预设培训课程库选取与所述待培训能力对应的培训课程；
选取单元，用于将所述培训课程对应的培训课程信息作为所述目标培训课程信息。
在一实施例中，所述课程信息匹配装置还包括：
推荐模块，用于通过预设应用程序向所述待培训人员推荐所述目标培训课程信息；
所述获取模块，还用于获取所述待培训人员通过所述预设应用程序反馈的针对所述目标培训课程信息对应的培训课程的学习时长记录；
标记模块，用于当所述培训课程的学习时长记录满足预设时长时，将所述培训课程标记为已学习，当所述学习时长记录未满足预设时长时，将所述培训课程标记为未学习。
在一实施例中，所述预设能力标准因子包括沟通能力标准因子、对客户至上能力标准因子、执行能力标准因子、吃苦能力标准因子以及成功渴望能力因子。
关于课程信息匹配装置的具体限定可以参见上文中对于课程信息匹配方法的限定，在此不再赘述。上述课程信息匹配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。另外，课程信息匹配装置实现的方案所带来的技术效果也可对应参阅方法实施例的描述，这里不再描述。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储获取的回答语料等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种课程信息匹配方法。
在一个实施例中，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，处理器执行计算机程序时实现以下步骤：
获取待培训人员针对访谈问题的回答语料；
确定所述回答语料分别与多个预设能力标准因子的相关程度，所述预设能力标准因子包含用于表征预设能力的能力描述；
根据所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分；
根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待培训人员针对访谈问题的回答语料；
确定所述回答语料分别与多个预设能力标准因子的相关程度，所述预设能力标准因子包含用于表征预设能力的能力描述；
根据所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分；
根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种课程信息匹配方法，其特征在于，包括：
获取待培训人员针对访谈问题的回答语料；
确定所述回答语料分别与多个预设能力标准因子的相关程度，所述预设能力标准因子包含用于表征预设能力的能力描述；
根据所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分；
根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息。
2.如权利要求1所述的课程信息匹配方法，其特征在于，所述确定所述回答语料分别与多个预设能力标准因子的相关程度，包括：
对所述回答语料进行词向量转化，以获得所述回答语料对应的回答语料向量序列；
分别对所述多个预设能力标准因子的能力描述进行词向量转化，以获得每个所述预设能力标准因子的能力描述向量序列；
分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度，以确定出所述回答语料分别与多个预设能力标准因子的相关程度。
3.如权利要求2所述的课程信息匹配方法，其特征在于，所述对所述回答语料进行词向量转化，以获得所述回答语料对应的回答语料词向量序列，包括：
对所述回答语料作分词处理得到所述回答语料对应的语料有效词序列；
确定所述语料有效词序列的每个语料分词的词性以及对应的词长；
分别将所述每个语料分词对应的词性以及词长转化为词性向量以及词长向量；
确定所述每个语料分词的内容特征，并将所述语料分词的内容特征作为所述语料分词的内容向量；
通过所述每个语料分词的内容向量、词性向量以及词长向量组合所述回答语料对应的回答语料向量序列；
所述分别对所述多个预设能力标准因子的能力描述进行词向量转化，以获得每个所述预设能力标准因子的能力描述向量序列，包括：
分别对所述多个预设能力标准因子的能力描述作分词处理以得到所述多个能力描述对应的能力描述有效词序列；
确定每个所述能力描述有效词序列的每个描述分词的词性以及对应的词长；
分别将所述每个描述分词对应的词性以及词长转化为词性向量以及词长向量；
确定所述每个描述分词的内容特征，并将所述描述分词的内容特征作为所述描述分词的内容向量；
通过对每个所述能力描述对应的所述每个描述分词的内容向量、词性向量以及词长向量组合每个所述能力描述对应的能力描述向量序列，以得到所述多个能力描述对应的能力描述向量序列。
4.如权利要求3所述的课程信息匹配方法，其特征在于，所述分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度，包括：
通过以下公式分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度：
其中，所述A表示所述回答语料向量序列，所述||A||表示所述回答语料向量序列的二范数，所述B表示所述能力描述向量序列，所述||B||表示所述能力描述向量序列的二范数，所述δ(A,B)表示所述回答语料向量序列与所述能力描述向量序列之间的相似度。
5.如权利要求1-4任一项所述的课程信息匹配方法，其特征在于，所述根据所述待培训人员每项预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息，包括：
将所述待培训人员每项所述预设能力的评分低于预设阈值的作为待培训能力；
从所述预设培训课程库选取与所述待培训能力对应的培训课程；
将所述培训课程对应的培训课程信息作为所述目标培训课程信息。
6.如权利要求1-4任一项所述的课程信息匹配方法，其特征在于，所述根据所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息之后，所述方法还包括：
通过预设应用程序向所述待培训人员推荐所述目标培训课程信息；
获取所述待培训人员通过所述预设应用程序反馈的针对所述目标培训课程信息对应的培训课程的学习时长记录；
当所述培训课程的学习时长记录满足预设时长时，将所述培训课程标记为已学习，当所述学习时长记录未满足预设时长时，将所述培训课程标记为未学习。
7.一种课程信息匹配装置，其特征在于，包括：
获取模块，用于获取待培训人员针对访谈问题的回答语料；
第一确定模块，用于确定所述获取模块获取的所述回答语料分别与多个预设能力标准因子的相关程度，所述预设能力标准因子包含用于表征所述待培训人员预设能力的能力描述；
第二确定模块，用于根据所述第一确定模块确定的所述回答语料分别与多个预设能力标准因子的相关程度确定所述待培训人员的每项所述预设能力的评分；
第三确定模块，用于根据所述第二确定模块确定的所述待培训人员每项所述预设能力的评分，从预设培训课程库中确定出与所述待培训人员匹配的目标培训课程信息。
8.如权利要求7所述的课程信息匹配装置，其特征在于，所述第一确定模块包括：
第一转化单元，用于对所述回答语料进行词向量转化，以获得所述回答语料对应的回答语料向量序列；
第二转换单元，用于分别对所述多个预设能力标准因子的能力描述进行词向量转化，以获得每个所述预设能力标准因子的能力描述向量序列；
第一确定单元，用于分别计算所述回答语料向量序列与每个所述能力描述向量序列的相似度，以确定出所述回答语料分别与多个预设能力标准因子的相关程度。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至6任一项所述的课程信息匹配方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的课程信息匹配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910525870.3A CN110362742A (zh) | 2019-06-18 | 2019-06-18 | 课程信息匹配方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910525870.3A CN110362742A (zh) | 2019-06-18 | 2019-06-18 | 课程信息匹配方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110362742A true CN110362742A (zh) | 2019-10-22 |
Family
ID=68216688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910525870.3A Pending CN110362742A (zh) | 2019-06-18 | 2019-06-18 | 课程信息匹配方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110362742A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111131430A (zh) * | 2019-12-19 | 2020-05-08 | 中国联合网络通信集团有限公司 | 信息推送的处理方法、设备及存储介质 |
| CN111679810A (zh) * | 2020-04-28 | 2020-09-18 | 平安普惠企业管理有限公司 | 业务对象及业务标准的分配方法、装置、设备及存储介质 |
| CN113592301A (zh) * | 2021-07-30 | 2021-11-02 | 国能大渡河大数据服务有限公司 | 一种员工培训管理方法及系统 |
| CN113505606B (zh) * | 2021-09-10 | 2021-12-28 | 北京明略昭辉科技有限公司 | 一种培训信息获取方法、装置、电子设备及存储介质 |
| CN115827987A (zh) * | 2023-01-10 | 2023-03-21 | 北京迈道科技有限公司 | 行为安全干预内容的推荐方法、装置、设备和介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108305612A (zh) * | 2017-11-21 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 文本处理、模型训练方法、装置、存储介质和计算机设备 |
| CN109146741A (zh) * | 2018-09-07 | 2019-01-04 | 广东电网有限责任公司 | 一种基于能力测评的课程推送方法、装置及设备 |
| CN109213999A (zh) * | 2018-08-20 | 2019-01-15 | 成都佳发安泰教育科技股份有限公司 | 一种主观题评分方法 |
| CN109635274A (zh) * | 2018-10-25 | 2019-04-16 | 平安科技（深圳）有限公司 | 文本输入的预测方法、装置、计算机设备和存储介质 |
| CN109635273A (zh) * | 2018-10-25 | 2019-04-16 | 平安科技（深圳）有限公司 | 文本关键词提取方法、装置、设备及存储介质 |
| CN109726974A (zh) * | 2018-05-24 | 2019-05-07 | 平安普惠企业管理有限公司 | 智能招聘方法、装置、设备及计算机可读存储介质 |
-
2019
- 2019-06-18 CN CN201910525870.3A patent/CN110362742A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108305612A (zh) * | 2017-11-21 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 文本处理、模型训练方法、装置、存储介质和计算机设备 |
| CN109726974A (zh) * | 2018-05-24 | 2019-05-07 | 平安普惠企业管理有限公司 | 智能招聘方法、装置、设备及计算机可读存储介质 |
| CN109213999A (zh) * | 2018-08-20 | 2019-01-15 | 成都佳发安泰教育科技股份有限公司 | 一种主观题评分方法 |
| CN109146741A (zh) * | 2018-09-07 | 2019-01-04 | 广东电网有限责任公司 | 一种基于能力测评的课程推送方法、装置及设备 |
| CN109635274A (zh) * | 2018-10-25 | 2019-04-16 | 平安科技（深圳）有限公司 | 文本输入的预测方法、装置、计算机设备和存储介质 |
| CN109635273A (zh) * | 2018-10-25 | 2019-04-16 | 平安科技（深圳）有限公司 | 文本关键词提取方法、装置、设备及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111131430A (zh) * | 2019-12-19 | 2020-05-08 | 中国联合网络通信集团有限公司 | 信息推送的处理方法、设备及存储介质 |
| CN111131430B (zh) * | 2019-12-19 | 2022-04-12 | 中国联合网络通信集团有限公司 | 信息推送的处理方法、设备及存储介质 |
| CN111679810A (zh) * | 2020-04-28 | 2020-09-18 | 平安普惠企业管理有限公司 | 业务对象及业务标准的分配方法、装置、设备及存储介质 |
| CN113592301A (zh) * | 2021-07-30 | 2021-11-02 | 国能大渡河大数据服务有限公司 | 一种员工培训管理方法及系统 |
| CN113505606B (zh) * | 2021-09-10 | 2021-12-28 | 北京明略昭辉科技有限公司 | 一种培训信息获取方法、装置、电子设备及存储介质 |
| CN115827987A (zh) * | 2023-01-10 | 2023-03-21 | 北京迈道科技有限公司 | 行为安全干预内容的推荐方法、装置、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110362742A (zh) | 课程信息匹配方法、装置、计算机设备及存储介质 | |
| Alva-Manchego et al. | ASSET: A dataset for tuning and evaluation of sentence simplification models with multiple rewriting transformations | |
| US20190287416A1 (en) | System and method for automated course individualization via learning behaviors and natural language processing | |
| CN111309887B (zh) | 一种训练文本关键内容提取模型的方法和系统 | |
| Grammatosi et al. | An experienced teacher’s use of the textbook on an academic English course: A case study | |
| Kaiss et al. | Effectiveness of an Adaptive Learning Chatbot on Students’ Learning Outcomes Based on Learning Styles. | |
| CN118093839B (zh) | 基于深度学习的知识运营问答对话处理方法及系统 | |
| Mañá et al. | Effect of delay on search decisions in a task-oriented reading environment | |
| WO2016054552A1 (en) | Knowledgebase with work products of service providers and processing thereof | |
| CN113065757A (zh) | 线上课程授课质量的评价方法及装置 | |
| Gehrmann et al. | Improving human text comprehension through semi-Markov CRF-based neural section title generation | |
| CN110378563A (zh) | 信息处理方法、装置、计算机设备及存储介质 | |
| KR102395702B1 (ko) | 문장을 이루는 단위를 단계별 확장하여 스텝화한 영어 교육 서비스 제공 방법 | |
| Gütl | Moving towards a fully automatic knowledge assessment tool | |
| CN117235347A (zh) | 一种基于大语言模型的青少年算法代码辅助学习系统及方法 | |
| Crafton | The reading process as a transactional learning experience | |
| CN112905763B (zh) | 会话系统开发方法、装置、计算机设备及存储介质 | |
| CN114862636A (zh) | 一种金融智能授课与隐私保护方法 | |
| Ingavélez-Guerra et al. | RALO: Accessible Learning Objects Assessment Ecosystem based on metadata analysis, inter-rater agreement, and Borda voting schemes | |
| Lefebvre-Brossard et al. | Alloprof: a new french question-answer education dataset and its use in an information retrieval case study | |
| CN111078831B (zh) | 一种课文朗读音频内容转文本的优化方法 | |
| CN113536808A (zh) | 引入多重文本关系的阅读理解试题难度自动预测方法 | |
| CN118020080A (zh) | 用于为在线课程建立知识库的方法 | |
| Wadia et al. | Vocational education first: State of the education report for India 2020: Technical and vocational education training (TVET) | |
| CN118245528B (zh) | 应用深度学习算法的智能培训业务数据挖掘方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191022 |