CN110377804A - 培训课程数据的推送方法、装置、系统及存储介质 - Google Patents
培训课程数据的推送方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN110377804A CN110377804A CN201910537948.3A CN201910537948A CN110377804A CN 110377804 A CN110377804 A CN 110377804A CN 201910537948 A CN201910537948 A CN 201910537948A CN 110377804 A CN110377804 A CN 110377804A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- post
- data
- training
- 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
- 238000012549 training Methods 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 230000006399 behavior Effects 0.000 claims description 55
- 230000006870 function Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000001755 vocal effect Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011157 data evaluation Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例适用于信息技术领域,提供了一种培训课程数据的推送方法、装置、系统及存储介质,所述方法包括:采集存储于课程培训系统中的当前用户的多项用户信息;将多项用户信息划分为用户基本信息、用户组织信息和用户行为信息;基于用户基本信息、用户组织信息和用户行为信息,生成当前用户的个人画像数据;获取当前用户所属岗位的岗位画像数据;计算当前用户的个人画像数据与岗位画像数据之间的比值,作为岗位胜任评价因子;确定与岗位胜任评价因子相匹配的培训课程数据,并将培训课程数据推送至用户终端。本实施例可以根据岗位胜任评价因子为当前用户推送适合其自身情况的培训课程数据,提高了课程数据推送的准确性。
Description
技术领域
本发明属于信息技术领域,特别是涉及一种培训课程数据的推送方法、一种培训课程数据的推送装置、一种课程培训系统及一种计算机可读存储介质。
背景技术
培训是提高员工职业技能的重要手段。为了调动员工参与培训的积极性,部分企业开始通过企业内部系统主动将部分课程数据推送给员工,供员工选择学习。
目前,企业内部的课程数据推送主要是根据不同的岗位性质而进行的相关性推荐。相关性推荐以岗位为基础,根据岗位职责或任职要求的不同,通过将企业内的各个岗位进行分类,然后向员工推荐与其任职的岗位相关的课程。
相关性推荐能够保证与岗位相关的课程数据能够被正确地推荐给该岗位的员工。但是,即便是同一岗位,不同员工的工作能力及职业技能也是不同的。基于工作岗位进行的相关性推荐忽视了员工在工作能力及职业技能方面的差异,使得相同岗位的员工接收到的课程推送数据几乎都是一样的,课程数据推送的准确率较低,严重影响了课程数据推送的实际效果。
发明内容
有鉴于此,本发明实施例提供了一种培训课程数据的推送方法、装置、系统及存储介质,以解决现有技术中根据相关性进行课程数据推送,准确率较低的问题。
本发明实施例的第一方面提供了一种培训课程数据的推送方法,应用于课程培训系统,所述方法包括:
采集存储于课程培训系统中的当前用户的多项用户信息,所述多项用户信息分别具有相应的信息项名称;
根据预设的信息项名称与信息项类别对应关系,将所述多项用户信息划分为用户基本信息、用户组织信息和用户行为信息;
基于所述用户基本信息、用户组织信息和用户行为信息,生成所述当前用户的个人画像数据;
获取所述当前用户所属岗位的岗位画像数据;
计算所述当前用户的个人画像数据与所述岗位画像数据之间的比值,作为所述当前用户的岗位胜任评价因子;
确定与所述岗位胜任评价因子相匹配的培训课程数据,并将所述培训课程数据推送至与所述当前用户关联的终端。
本发明实施例的第二方面提供了一种培训课程数据的推送装置,应用于课程培训系统,所述装置包括:
采集模块,用于采集存储于课程培训系统中的当前用户的多项用户信息,所述多项用户信息分别具有相应的信息项名称;
划分模块,用于根据预设的信息项名称与信息项类别对应关系,将所述多项用户信息划分为用户基本信息、用户组织信息和用户行为信息;
生成模块,用于基于所述用户基本信息、用户组织信息和用户行为信息,生成所述当前用户的个人画像数据;
获取模块,用于获取所述当前用户所属岗位的岗位画像数据;
计算模块,用于计算所述当前用户的个人画像数据与所述岗位画像数据之间的比值,作为所述当前用户的岗位胜任评价因子;
推送模块,用于确定与所述岗位胜任评价因子相匹配的培训课程数据,并将所述培训课程数据推送至与所述当前用户关联的终端。
本发明实施例的第三方面提供了一种课程培训系统,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培训课程数据的推送方法的步骤。
本发明实施例的第四方面提供了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培训课程数据的推送方法的步骤。
与现有技术相比,本发明实施例包括以下优点:
本发明实施例,通过采集存储于课程培训系统中的当前用户的多项用户信息,然后根据预设的信息项名称与信息项类别对应关系,可以将多项用户信息划分为用户基本信息、用户组织信息和用户行为信息,并基于上述用户基本信息、用户组织信息和用户行为信息生成当前用户的个人画像数据,在获取当前用户所属岗位的岗位画像数据后,可以计算当前用户的个人画像数据与岗位画像数据之间的比值,作为当前用户的岗位胜任评价因子,从而能够根据岗位胜任评价因子,确定与之相匹配的培训课程数据并推送至用户关联的终端,本实施根据岗位胜任评价因子确定用户与所属岗位之间的匹配程度,从而针对性地推送课程数据,有助于提高课程数据推送的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的介绍。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是本发明一个实施例的一种培训课程数据的推送方法的步骤流程示意图;
图2是本发明一个实施例的一种培训课程数据的推送装置的示意图;
图3是本发明一个实施例的一种课程培训系统的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域技术人员应当清楚,在没有这些具体细节的其他实施例中也可以实现本发明。在其他情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
下面通过具体实施例来说明本发明的技术方案。
参照图1,示出了本发明一个实施例的一种培训课程数据的推送方法的步骤流程示意图,具体可以包括如下步骤:
S101、采集存储于课程培训系统中的当前用户的多项用户信息,所述多项用户信息分别具有相应的信息项名称;;
需要说明的是,本实施例提供的方法可以应用于课程培训系统,该系统能够用于对企业内部各岗位的员工推送适合的培训课程数据供员工学习,以提升员工的职业技能或综合素质。
在本发明实施例中,当前用户可以是指任职于某一岗位的员工。例如,任职于人力资源部培训岗位的培训专员等等。
为了针对性地向用户推送培训课程数据,首先可以获取该用户的多项用户信息。
在具体实现中,课程培训系统可以对外提供数据接口,通过该接口可以将课程培训系统与人力资源等部门的信息系统进行对接,从而可以直接抓取各个员工的各类信息,并按相应的格式存储在课程培训系统中。
因此,在本发明实施例中,在向员工推送培训课程数据前,可以直接从系统中提取出该员工的各项用户信息。其中,用户信息分别具有相应的信息项名称。例如,年龄、性别、特长、工作经历。
S102、根据预设的信息项名称与信息项类别对应关系,将所述多项用户信息划分为用户基本信息、用户组织信息和用户行为信息;
在本发明实施例中,上述用户信息可以具体分为三类,即用户基本信息、用户组织信息和用户行为信息。
其中,用户基本信息可以是指该用户自身的一些个人信息,这类信息通常具有较强的稳定性。例如,可以包括用户的年龄、性别、特长、工作经历等等子项。
用户组织信息可以是指该用户在企业内任职的组织关系信息及工作能力信息,包括所属部门、岗位序列、职务、工作能力、绩效系数等等子项。
用户行为信息主要是指该用户使用企业培训系统参与培训学习的情况,包括系统登录次数、学习偏好、学习频率、学习时长以及学习后的测评结果等等子项。
在本发明实施例中,可以预先根据信息项名称列举出各项信息所属的类别,形成信息项名称与信息项类别对应关系。在对各项用户进行分类时,可以直接根据上述对应关系确定哪一项信息分别属于哪一个类别。
在具体实现中,可以根据预设的信息项名称与信息项类别对应关系,逐一识别各项用户信息所属的信息项类别,从而将各项用户信息划分为用户基本信息、用户组织信息和用户行为信息。
需要说明的是,上述用户基本信息、用户组织信息和用户行为信息分别包括多个子项,各个子项即是各个信息项名称所对应的具体信息。例如,用户的年龄、性别、特长、工作经历均属于用户信息子项。
上述各个用户基本信息子项、用户组织信息子项和用户行为信息子项均可以以数值化的方式对该用户做出评价,各个子项对应的数值可以记录在预设的信息子项-分值映射表中。
因此,在本发明实施例中,可以然后通过查找预设的信息子项-分值映射表,获取多个用户基本信息子项、用户组织信息子项和用户行为信息子项对应的子项分值。
在具体实现中,针对不同类型的用户信息下细分的多种子项,可以统一以10分制的方式对各个子项进行评价。
例如,对于用户基本信息中的年龄子项,可以设置员工年龄为20-25周岁得分为7分,26-35周岁得分为10分等等;对于工作经历子项,可以设置工作年限小于1年的得分为3分,工作年限为1-3年的得分为5分等等。
类似地,对于用户组织信息和用户行为信息中的各个子项,也可以按照上述方式分别为每个子项设置相应的得分,形成信息子项-分值映射表。通过将获取到的当前用户的用户信息分别与上述信息子项-分值映射表中每个子项的评分情况进行比较,可以得到该用户各个子项的实际得分。
基于上述用户信息,通过执行步骤S103,可以刻画出当前用户的个人画像数据。
S103、基于所述用户基本信息、用户组织信息和用户行为信息,生成所述当前用户的个人画像数据;
在本发明实施例中,通过刻画当前用户的个人画像数据,可以定量地对当前用户的个人情况进行分析。
在刻画当前用户的个人画像数据时,可以首先为各种类型的用户信息进行赋权,即分别确定各个子项分值对应的子项权值。
在具体实现中,针对不同类型的用户信息,可以分别赋予不同的权值。上述权值可以看作是在刻画用户的个人画像数据时所占的比重。
例如,对于用户基本信息子项,可以分别为年龄、性别、特长、工作经历等分别赋予不同的子项权值;对于用户组织信息子项,可以分别为所属部门、岗位序列、职务、工作能力、绩效系数等分别赋予不同的子项权值;而对于用户行为信息子项,可以分别为系统登录次数、学习偏好、学习频率、学习时长、学习测评结果等分别赋予不同的子项权值。
需要说明的是,属于同一类型的子信息,其权值之和应当为1。例如,年龄、性别、特长、工作经历等子项权值之和为1;所属部门、岗位序列、职务、工作能力、绩效系数等子项权值之和为1;而系统登录次数、学习偏好、学习频率、学习时长、学习测评结果等子项对应的权值之和也应当为1。
然后,可以首先采用各个子项的分值和权值计算用户基本信息、用户组织信息和用户行为信息的得分。
在具体实现中,可以基于上述各个子项权值,分别对多个用户基本信息子项、用户组织信息子项和用户行为信息子项进行加权求和,获得用户基本信息分值、用户组织信息分值和用户行为信息分值。
例如,用户基本信息的得分可以表示如下:
用户基本信息分值=年龄分值*年龄权值+性别分值*性别权值+特长分值*特长权值+工作经历分值*工作经历权值+……;
类似地,用户组织信息和用户行为信息的得分情况也可以按照如下方式计算:
用户组织信息分值=所属部门分值*所属部门权值+岗位序列分值*岗位序列权值+职务分值*职务权值+工作能力分值*工作能力权值+绩效系数分值*绩效系数权值+……;
用户行为信息分值=系统登录次数分值*系统登录次数权值+学习偏好分值*学习偏好权值+学习频率分值*学习频率权值+学习时长分值*学习时长权值+测评结果分值*测评结果权值+……。
上述用户基本信息分值、用户组织信息分值和用户行为信息分值分别具有对应的分值权值,该分值权值可以根据实际需要设定。例如,用户基本信息的权值可以为20%,表示用户基本信息在刻画个人画像数据时的比重为20%;相应地,可以设置用户组织信息和用户行为信息的权值分别为40%。
在计算得到上述用户基本信息分值、用户组织信息分值和用户行为信息分值及其对应的权值后,可以再次对上述三个分值进行加权求和,得到针对该用户的个人画像数据。即,基于上述用户基本信息分值、用户组织信息分值和用户行为信息分值对应的分值权值,对用户基本信息分值、用户组织信息分值和用户行为信息分值进行加权求和,获得当前用户的个人画像数据。
在具体实现中,用户个人画像数据可以通过如下表达式进行计算得到:
用户个人画像数据=用户基本信息分值*用户基本信息分值权值+用户组织信息分值*用户组织信息分值权值+用户行为信息分值*用户行为信息分值权值
上述用户个人画像数据为一个处于0-10之间的数值。
S104、获取所述当前用户所属岗位的岗位画像数据;
在本发明实施例中,可以提取当前用户所属岗位中个人画像数据处于前列的多个用户的个人画像数据,并以其平均值作为当前岗位的岗位画像数据。
在具体实现中,可以首先获取当前用户所属岗位中全部用户的个人画像数据,并对上述全部用户的个人画像数据降序排列,通过提取个人画像数据超过预设数值的多个用户的个人画像数据,可以计算多个用户的个人画像数据的平均值作为当前用户所属岗位的岗位画像数据。上述超过预设数值的多个用户的个人画像数据可以是指个人画像数据处于前30%的用户的个人画像数据。
例如,人力资源部培训岗位有7名培训专员,可以首先确定个人画像数据处于前30%的培训专员是哪些用户,然后计算这些用户的个人画像数据评价值作为当前岗位的岗位画像数据。
若人力资源部培训岗位的7名培训专员的个人画像数据如下表所示:
表一,培训专员个人画像数据
用户 | 个人画像数据 |
培训专员1 | 8.0 |
培训专员2 | 8.5 |
培训专员3 | 6.2 |
培训专员4 | 6.9 |
培训专员5 | 7.1 |
培训专员6 | 8.3 |
培训专员7 | 7.6 |
然后,可以确定个人画像数据处于前两位(7*30%=2.1)的用户为培训专员2和培训专员6,其个人画像数据分别为8.5和8.3,经计算,可以确定其平均值为8.4(=(8.5+8.3)/2),可以将上述平均值作为当前岗位的岗位画像数据。
当然,对于部分岗位在职人员较少的情况,由于同一部门各个岗位之间的关联性通常较高,可以考虑以该岗位所在部门内其他岗位的岗位画像数据作为参考,得出该岗位的岗位画像数据。
因此,在本发明实施例中,若当前用户所属岗位中全部用户的数量少于预设阈值,则可以获取该岗位所属部门内其他岗位的岗位画像数据平均值作为当前用户所属岗位的岗位画像数据。
例如,对于研发部门,技术研发岗位的员工数量较多,而技术管理岗位的员工数量相对较少。在技术管理岗位员工数量不足以刻画该岗位的岗位画像数据时,可以考虑参考技术研发岗位的岗位画像数据作为技术管理岗位的岗位画像数据。
S105、计算所述当前用户的个人画像数据与所述岗位画像数据之间的比值,作为所述当前用户的岗位胜任评价因子;
在本发明实施例中,若当前用户为培训专员4,其个人画像数据为6.9,当前岗位的岗位画像数据为8.4,则可以计算得到当前用户的岗位胜任评价因子为6.9/8.4*100%=82.14%。
S106、确定与所述岗位胜任评价因子相匹配的培训课程数据,并将所述培训课程数据推送至与所述当前用户关联的终端。
在本发明实施例中,可以根据岗位胜任评价因子与某一预设阈值之间的比较关系,确定应当为该用户推送哪些培训课程数据。上述培训课程数据可以包括专业技能培训课程数据和非专业技能培训课程数据。
在具体实现中,可以首先确定当前用户的岗位胜任评价因子是否小于预设评价数值。
若岗位胜任评价因子小于预设评价数值,则可以确定与当前的岗位胜任评价因子相匹配的培训课程数据为专业技能培训课程数据,课程培训系统可以将上述专业技能培训课程数据推送至与当前用户关联的终端,该终端可以从用户信息中确定;若岗位胜任评价因子不小于预设评价数值,则可以确定与当前的岗位胜任评价因子相匹配的培训课程数据为非专业技能培训课程,课程培训系统可以将非专业技能培训课程数据推送至与当前用户关联的终端。
通常,岗位胜任评价因子系数较低的用户,其胜任当前岗位的能力略差。因此,为了尽快提高该用户胜任当前岗位的能力,相应的培训课程可以侧重于职业技能和专业水平方面的专业技能培训课程;而对于岗位胜任评价因子系数较高的用户,则可以侧重于推荐有助于该用户全面发展的非专业技能培训课程。例如,有助于促进用户身心方面进步的国学课程,或者,关联岗位的职业技能方面的培训课程等等。
在本发明实施例中,通过存储于课程培训系统中的当前用户的多项用户信息,然后根据预设的信息项名称与信息项类别对应关系,可以将多项用户信息划分为用户基本信息、用户组织信息和用户行为信息,并基于上述用户基本信息、用户组织信息和用户行为信息生成当前用户的个人画像数据,在获取当前用户所属岗位的岗位画像数据后,可以计算当前用户的个人画像数据与岗位画像数据之间的比值,作为当前用户的岗位胜任评价因子,从而能够根据岗位胜任评价因子,确定与之相匹配的培训课程数据并推送至用户关联的终端,本实施根据岗位胜任评价因子确定用户与所属岗位之间的匹配程度,从而针对性地推送课程数据,有助于提高课程数据推送的准确性。
需要说明的是,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。
参照图2,示出了本发明一个实施例的一种培训课程数据的推送装置的示意图,具体可以包括如下模块:
采集模块201,用于采集存储于课程培训系统中的当前用户的多项用户信息,所述多项用户信息分别具有相应的信息项名称;
划分模块202,用于根据预设的信息项名称与信息项类别对应关系,将所述多项用户信息划分为用户基本信息、用户组织信息和用户行为信息;
生成模块203,用于基于所述用户基本信息、用户组织信息和用户行为信息,生成所述当前用户的个人画像数据;
获取模块204,用于获取所述当前用户所属岗位的岗位画像数据;
计算模块205,用于计算所述当前用户的个人画像数据与所述岗位画像数据之间的比值,作为所述当前用户的岗位胜任评价因子;
推送模块206,用于确定与所述岗位胜任评价因子相匹配的培训课程数据,并将所述培训课程数据推送至与所述当前用户关联的终端。
在本发明实施例中,所述划分模块202具体可以包括如下子模块:
识别子模块,用于根据预设的信息项名称与信息项类别对应关系,逐一识别各项用户信息所属的信息项类别,以将所述各项用户信息划分为用户基本信息、用户组织信息和用户行为信息;所述用户基本信息、用户组织信息和用户行为信息分别包括多个子项,各个用户基本信息子项、用户组织信息子项和用户行为信息子项在预设的信息子项-分值映射表分别具有对应的子项分值。
在本发明实施例中,所述生成模块203具体可以包括如下子模块:
子项权值确定子模块,用于分别确定各个子项分值对应的子项权值;
信息项分值计算子模块,用于基于所述子项权值,分别对所述多个用户基本信息子项、用户组织信息子项和用户行为信息子项进行加权求和,获得所述用户基本信息分值、用户组织信息分值和用户行为信息分值,所述用户基本信息分值、用户组织信息分值和用户行为信息分值分别具有对应的分值权值;
个人画像数据计算子模块,用于基于所述用户基本信息分值、用户组织信息分值和用户行为信息分值对应的分值权值,对所述用户基本信息分值、用户组织信息分值和用户行为信息分值进行加权求和,获得所述当前用户的个人画像数据。
在本发明实施例中,所述用户基本信息子项包括年龄、性别、特长、工作经历中的至少一种;所述用户组织信息子项包括所属部门、岗位序列、职务、工作能力、绩效系数中的至少一种;所述用户行为信息子项包括系统登录次数、学习偏好、学习频率、学习时长、学习测评结果中的至少一种。
在本发明实施例中,所述获取模块204具体可以包括如下子模块:
个人画像数据获取子模块,用于获取所述当前用户所属岗位中全部用户的个人画像数据;
个人画像数据提取子模块,用于提取所述个人画像数据超过预设数值的多个用户的个人画像数据;
岗位画像数据计算子模块,用于计算所述多个用户的个人画像数据的平均值作为所述当前用户所属岗位的岗位画像数据。
在本发明实施例中,所述岗位画像数据计算子模块,还用于在所述当前用户所属岗位中全部用户的数量少于预设阈值时,获取所述岗位所属部门内其他岗位的岗位画像数据平均值作为所述当前用户所属岗位的岗位画像数据。
在本发明实施例中,所述培训课程数据包括专业技能培训课程数据和非专业技能培训课程数据,所述推送模块206具体可以包括如下子模块:
岗位胜任评价因子确定子模块,用于确定所述岗位胜任评价因子是否小于预设评价数值;
专业技能培训课程数据推送子模块,用于在所述岗位胜任评价因子小于所述预设评价数值时,确定与所述岗位胜任评价因子相匹配的培训课程数据为专业技能培训课程数据,并将所述专业技能培训课程数据推送至与所述当前用户关联的终端,与所述当前用户关联的终端从所述用户信息中确定;
非专业技能培训课程数据推送子模块,用于在所述岗位胜任评价因子不小于所述预设评价数值时,确定与所述岗位胜任评价因子相匹配的培训课程数据为非专业技能培训课程,并将所述非专业技能培训课程数据推送至与所述当前用户关联的终端。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述得比较简单,相关之处参见方法实施例部分的说明即可。
参照图3,示出了本发明一个实施例的一种课程培训系统的示意图。如图3所示,本实施例的课程培训系统300包括:处理器310、存储器320以及存储在所述存储器320中并可在所述处理器310上运行的计算机程序321。所述处理器310执行所述计算机程序321时实现上述培训课程数据的推送方法各个实施例中的步骤,例如图1所示的步骤S101至S106。或者,所述处理器310执行所述计算机程序321时实现上述各装置实施例中各模块/单元的功能,例如图2所示模块201至206的功能。
示例性的,所述计算机程序321可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器320中,并由所述处理器310执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段可以用于描述所述计算机程序321在所述课程培训系统300中的执行过程。例如,所述计算机程序321可以被分割成采集模块、划分模块、生成模块、获取模块、计算模块和推送模块,各模块具体功能如下:
采集模块,用于采集存储于课程培训系统中的当前用户的多项用户信息,所述多项用户信息分别具有相应的信息项名称;
划分模块,用于根据预设的信息项名称与信息项类别对应关系,将所述多项用户信息划分为用户基本信息、用户组织信息和用户行为信息;
生成模块,用于基于所述用户基本信息、用户组织信息和用户行为信息,生成所述当前用户的个人画像数据;
获取模块,用于获取所述当前用户所属岗位的岗位画像数据;
计算模块,用于计算所述当前用户的个人画像数据与所述岗位画像数据之间的比值,作为所述当前用户的岗位胜任评价因子;
推送模块,用于确定与所述岗位胜任评价因子相匹配的培训课程数据,并将所述培训课程数据推送至与所述当前用户关联的终端。
所述课程培训系统300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述课程培训系统300可包括,但不仅限于,处理器310、存储器320。本领域技术人员可以理解,图3仅仅是课程培训系统300的一种示例,并不构成对课程培训系统300的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述课程培训系统300还可以包括输入输出设备、网络接入设备、总线等。
所述处理器310可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器320可以是所述课程培训系统300的内部存储单元,例如课程培训系统300的硬盘或内存。所述存储器320也可以是所述课程培训系统300的外部存储设备,例如所述课程培训系统300上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等等。进一步地,所述存储器320还可以既包括所述课程培训系统300的内部存储单元也包括外部存储设备。所述存储器320用于存储所述计算机程序321以及所述课程培训系统300所需的其他程序和数据。所述存储器320还可以用于暂时地存储已经输出或者将要输出的数据。
本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/终端设备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。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其他的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一方面,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件完成,所述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
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)
1.一种培训课程数据的推送方法,应用于课程培训系统,其特征在于,所述方法包括:
采集存储于课程培训系统中的当前用户的多项用户信息,所述多项用户信息分别具有相应的信息项名称;
根据预设的信息项名称与信息项类别对应关系,将所述多项用户信息划分为用户基本信息、用户组织信息和用户行为信息;
基于所述用户基本信息、用户组织信息和用户行为信息,生成所述当前用户的个人画像数据;
获取所述当前用户所属岗位的岗位画像数据;
计算所述当前用户的个人画像数据与所述岗位画像数据之间的比值,作为所述当前用户的岗位胜任评价因子;
确定与所述岗位胜任评价因子相匹配的培训课程数据,并将所述培训课程数据推送至与所述当前用户关联的终端。
2.根据权利要求1所述的方法,其特征在于,所述根据预设的信息项名称与信息项类别对应关系,将所述多项用户信息划分为用户基本信息、用户组织信息和用户行为信息的步骤包括:
根据预设的信息项名称与信息项类别对应关系,逐一识别各项用户信息所属的信息项类别,以将所述各项用户信息划分为用户基本信息、用户组织信息和用户行为信息;所述用户基本信息、用户组织信息和用户行为信息分别包括多个子项,各个用户基本信息子项、用户组织信息子项和用户行为信息子项在预设的信息子项-分值映射表分别具有对应的子项分值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述用户基本信息、用户组织信息和用户行为信息,生成所述当前用户的个人画像数据的步骤包括:
分别确定各个子项分值对应的子项权值;
基于所述子项权值,分别对所述多个用户基本信息子项、用户组织信息子项和用户行为信息子项进行加权求和,获得所述用户基本信息分值、用户组织信息分值和用户行为信息分值,所述用户基本信息分值、用户组织信息分值和用户行为信息分值分别具有对应的分值权值;
基于所述用户基本信息分值、用户组织信息分值和用户行为信息分值对应的分值权值,对所述用户基本信息分值、用户组织信息分值和用户行为信息分值进行加权求和,获得所述当前用户的个人画像数据。
4.根据权利要求2所述的方法,其特征在于,所述用户基本信息子项包括年龄、性别、特长、工作经历中的至少一种;所述用户组织信息子项包括所属部门、岗位序列、职务、工作能力、绩效系数中的至少一种;所述用户行为信息子项包括系统登录次数、学习偏好、学习频率、学习时长、学习测评结果中的至少一种。
5.根据权利要求1所述的方法,其特征在于,所述获取所述当前用户所属岗位的岗位画像数据的步骤包括:
获取所述当前用户所属岗位中全部用户的个人画像数据;
提取所述个人画像数据超过预设数值的多个用户的个人画像数据;
计算所述多个用户的个人画像数据的平均值作为所述当前用户所属岗位的岗位画像数据。
6.根据权利要求5所述的方法,其特征在于,还包括:
若所述当前用户所属岗位中全部用户的数量少于预设阈值,则获取所述岗位所属部门内其他岗位的岗位画像数据平均值作为所述当前用户所属岗位的岗位画像数据。
7.根据权利要求1所述的方法,其特征在于,所述培训课程数据包括专业技能培训课程数据和非专业技能培训课程数据,所述确定与所述岗位胜任评价因子相匹配的培训课程数据,并将所述培训课程数据推送至与所述当前用户关联的终端的步骤包括:
确定所述岗位胜任评价因子是否小于预设评价数值;
若所述岗位胜任评价因子小于所述预设评价数值,则确定与所述岗位胜任评价因子相匹配的培训课程数据为专业技能培训课程数据,并将所述专业技能培训课程数据推送至与所述当前用户关联的终端,与所述当前用户关联的终端从所述用户信息中确定;
若所述岗位胜任评价因子不小于所述预设评价数值,则确定与所述岗位胜任评价因子相匹配的培训课程数据为非专业技能培训课程,并将所述非专业技能培训课程数据推送至与所述当前用户关联的终端。
8.一种培训课程数据的推送装置,应用于课程培训系统,其特征在于,所述装置包括:
采集模块,用于采集存储于课程培训系统中的当前用户的多项用户信息,所述多项用户信息分别具有相应的信息项名称;
划分模块,用于根据预设的信息项名称与信息项类别对应关系,将所述多项用户信息划分为用户基本信息、用户组织信息和用户行为信息;
生成模块,用于基于所述用户基本信息、用户组织信息和用户行为信息,生成所述当前用户的个人画像数据;
获取模块,用于获取所述当前用户所属岗位的岗位画像数据;
计算模块,用于计算所述当前用户的个人画像数据与所述岗位画像数据之间的比值,作为所述当前用户的岗位胜任评价因子;
推送模块,用于确定与所述岗位胜任评价因子相匹配的培训课程数据,并将所述培训课程数据推送至与所述当前用户关联的终端。
9.一种课程培训系统,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7任一项所述培训课程数据的推送方法的步骤。
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7任一项所述培训课程数据的推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537948.3A CN110377804B (zh) | 2019-06-20 | 2019-06-20 | 培训课程数据的推送方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537948.3A CN110377804B (zh) | 2019-06-20 | 2019-06-20 | 培训课程数据的推送方法、装置、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110377804A true CN110377804A (zh) | 2019-10-25 |
CN110377804B CN110377804B (zh) | 2024-03-15 |
Family
ID=68249117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910537948.3A Active CN110377804B (zh) | 2019-06-20 | 2019-06-20 | 培训课程数据的推送方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377804B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126823A (zh) * | 2019-12-19 | 2020-05-08 | 中国联合网络通信集团有限公司 | 信息处理方法、设备和存储介质 |
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 |
CN112001609A (zh) * | 2020-08-12 | 2020-11-27 | 浙江华为通信技术有限公司 | 一种职业培训评价系统及其方法 |
CN112001656A (zh) * | 2020-09-01 | 2020-11-27 | 北京弘远博学科技有限公司 | 基于员工历史培训信息针对性进行培训课推荐的方法 |
CN112052396A (zh) * | 2020-09-28 | 2020-12-08 | 中国平安人寿保险股份有限公司 | 课程匹配方法、系统、计算机设备和存储介质 |
CN112862641A (zh) * | 2021-02-19 | 2021-05-28 | 河北工业职业技术学院 | 退役军人培训推荐方法、设备及存储介质 |
CN113160008A (zh) * | 2021-03-31 | 2021-07-23 | 何军伟 | 一种中职教育的选课方法及系统 |
CN113407831A (zh) * | 2021-06-16 | 2021-09-17 | 中国联合网络通信集团有限公司 | 课程推荐方法及设备 |
CN113468228A (zh) * | 2021-07-15 | 2021-10-01 | 广州汇思信息科技股份有限公司 | 一种学习平台的岗位信息处理方法、装置和计算机设备 |
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 |
CN113888375A (zh) * | 2021-09-28 | 2022-01-04 | 深圳开源互联网安全技术有限公司 | 一种研发人员安全能力确定方法、装置及系统 |
CN114662920A (zh) * | 2022-03-24 | 2022-06-24 | 中国工商银行股份有限公司 | 课程推送方法、装置、计算机设备、存储介质和程序产品 |
CN114841589A (zh) * | 2022-05-17 | 2022-08-02 | 国网浙江省电力有限公司舟山供电公司 | 电力成员违章画像和安全画像的安全隐患信息码生成方法 |
CN116452165A (zh) * | 2023-03-22 | 2023-07-18 | 北京游娱网络科技有限公司 | 一种人才信息推荐方法、服务系统及存储介质 |
CN117057959A (zh) * | 2023-08-21 | 2023-11-14 | 武汉博晟安全技术股份有限公司 | 人机交互式安全培训方法及系统 |
CN117454017A (zh) * | 2023-12-21 | 2024-01-26 | 广州平云小匠科技股份有限公司 | 课程推荐方法、设备及存储介质 |
CN117743695A (zh) * | 2024-02-08 | 2024-03-22 | 暗物智能科技(广州)有限公司 | 一种职业培训课程推荐方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070203711A1 (en) * | 2002-03-29 | 2007-08-30 | Nation Mark S | Personalized learning recommendations |
CN101650809A (zh) * | 2009-09-10 | 2010-02-17 | 上海一佳一网络科技有限公司 | 岗位能力培训管理方法和系统 |
CN107335205A (zh) * | 2017-06-22 | 2017-11-10 | 北京卡路里信息技术有限公司 | 健身课程推荐方法、装置、存储介质和处理器 |
CN109214681A (zh) * | 2018-09-06 | 2019-01-15 | 安徽华荣远诚实业集团有限公司 | 一种新型能力评估岗位培训考核系统 |
CN109584976A (zh) * | 2018-10-30 | 2019-04-05 | 嘉兴太美医疗科技有限公司 | 包含用户画像等级评价和等级培训的药物警戒系统及方法 |
CN109800949A (zh) * | 2018-12-14 | 2019-05-24 | 中国平安财产保险股份有限公司 | 员工画像构建方法、装置、计算机设备和存储介质 |
CN109886641A (zh) * | 2019-01-24 | 2019-06-14 | 平安科技(深圳)有限公司 | 一种岗位画像设置方法、岗位画像设置装置及终端设备 |
-
2019
- 2019-06-20 CN CN201910537948.3A patent/CN110377804B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070203711A1 (en) * | 2002-03-29 | 2007-08-30 | Nation Mark S | Personalized learning recommendations |
CN101650809A (zh) * | 2009-09-10 | 2010-02-17 | 上海一佳一网络科技有限公司 | 岗位能力培训管理方法和系统 |
CN107335205A (zh) * | 2017-06-22 | 2017-11-10 | 北京卡路里信息技术有限公司 | 健身课程推荐方法、装置、存储介质和处理器 |
CN109214681A (zh) * | 2018-09-06 | 2019-01-15 | 安徽华荣远诚实业集团有限公司 | 一种新型能力评估岗位培训考核系统 |
CN109584976A (zh) * | 2018-10-30 | 2019-04-05 | 嘉兴太美医疗科技有限公司 | 包含用户画像等级评价和等级培训的药物警戒系统及方法 |
CN109800949A (zh) * | 2018-12-14 | 2019-05-24 | 中国平安财产保险股份有限公司 | 员工画像构建方法、装置、计算机设备和存储介质 |
CN109886641A (zh) * | 2019-01-24 | 2019-06-14 | 平安科技(深圳)有限公司 | 一种岗位画像设置方法、岗位画像设置装置及终端设备 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN111126823A (zh) * | 2019-12-19 | 2020-05-08 | 中国联合网络通信集团有限公司 | 信息处理方法、设备和存储介质 |
CN112001609A (zh) * | 2020-08-12 | 2020-11-27 | 浙江华为通信技术有限公司 | 一种职业培训评价系统及其方法 |
CN112001656A (zh) * | 2020-09-01 | 2020-11-27 | 北京弘远博学科技有限公司 | 基于员工历史培训信息针对性进行培训课推荐的方法 |
CN112052396A (zh) * | 2020-09-28 | 2020-12-08 | 中国平安人寿保险股份有限公司 | 课程匹配方法、系统、计算机设备和存储介质 |
CN112862641A (zh) * | 2021-02-19 | 2021-05-28 | 河北工业职业技术学院 | 退役军人培训推荐方法、设备及存储介质 |
CN113160008A (zh) * | 2021-03-31 | 2021-07-23 | 何军伟 | 一种中职教育的选课方法及系统 |
CN113407831A (zh) * | 2021-06-16 | 2021-09-17 | 中国联合网络通信集团有限公司 | 课程推荐方法及设备 |
CN113407831B (zh) * | 2021-06-16 | 2024-03-01 | 中国联合网络通信集团有限公司 | 课程推荐方法及设备 |
CN113468228A (zh) * | 2021-07-15 | 2021-10-01 | 广州汇思信息科技股份有限公司 | 一种学习平台的岗位信息处理方法、装置和计算机设备 |
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 |
CN113888375A (zh) * | 2021-09-28 | 2022-01-04 | 深圳开源互联网安全技术有限公司 | 一种研发人员安全能力确定方法、装置及系统 |
CN114662920A (zh) * | 2022-03-24 | 2022-06-24 | 中国工商银行股份有限公司 | 课程推送方法、装置、计算机设备、存储介质和程序产品 |
CN114841589B (zh) * | 2022-05-17 | 2022-12-06 | 国网浙江省电力有限公司舟山供电公司 | 电力成员违章画像和安全画像的安全隐患信息码生成方法 |
WO2023221343A1 (zh) * | 2022-05-17 | 2023-11-23 | 国网浙江省电力有限公司舟山供电公司 | 电力成员违章画像和安全画像的安全隐患信息码生成方法 |
CN114841589A (zh) * | 2022-05-17 | 2022-08-02 | 国网浙江省电力有限公司舟山供电公司 | 电力成员违章画像和安全画像的安全隐患信息码生成方法 |
CN116452165A (zh) * | 2023-03-22 | 2023-07-18 | 北京游娱网络科技有限公司 | 一种人才信息推荐方法、服务系统及存储介质 |
CN116452165B (zh) * | 2023-03-22 | 2024-05-24 | 北京游娱网络科技有限公司 | 一种人才信息推荐方法、服务系统及存储介质 |
CN117057959A (zh) * | 2023-08-21 | 2023-11-14 | 武汉博晟安全技术股份有限公司 | 人机交互式安全培训方法及系统 |
CN117454017A (zh) * | 2023-12-21 | 2024-01-26 | 广州平云小匠科技股份有限公司 | 课程推荐方法、设备及存储介质 |
CN117454017B (zh) * | 2023-12-21 | 2024-04-02 | 广州平云小匠科技股份有限公司 | 课程推荐方法、设备及存储介质 |
CN117743695A (zh) * | 2024-02-08 | 2024-03-22 | 暗物智能科技(广州)有限公司 | 一种职业培训课程推荐方法、装置、电子设备及存储介质 |
CN117743695B (zh) * | 2024-02-08 | 2024-06-11 | 暗物智能科技(广州)有限公司 | 一种职业培训课程推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110377804B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377804A (zh) | 培训课程数据的推送方法、装置、系统及存储介质 | |
CN111506801B (zh) | 一种应用App中子应用的排序方法及装置 | |
CN108280670B (zh) | 种子人群扩散方法、装置以及信息投放系统 | |
CN109299344A (zh) | 排序模型的生成方法、搜索结果的排序方法、装置及设备 | |
CN108363821A (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
CN108804567A (zh) | 提高智能客服应答率的方法、设备、存储介质及装置 | |
CN112733042B (zh) | 推荐信息的生成方法、相关装置及计算机程序产品 | |
CN109815314A (zh) | 一种意图识别方法、识别设备及计算机可读存储介质 | |
CN110163647A (zh) | 一种数据处理方法及装置 | |
US20160217427A1 (en) | Systems, methods, and devices for implementing a referral processing engine | |
CN109255000A (zh) | 一种标签数据的维度管理方法及装置 | |
CN109033408A (zh) | 信息推送方法及装置、计算机可读存储介质、电子设备 | |
CN108665148B (zh) | 一种电子资源质量评价方法、装置和存储介质 | |
CN104008182A (zh) | 社交网络交流影响力的测定方法及系统 | |
CN105550295A (zh) | 分类模型优化方法及装置 | |
CN111159763A (zh) | 一种涉法人员群体画像分析系统及方法 | |
CN109636337A (zh) | 一种基于大数据的人才库构建方法及电子设备 | |
US20130325861A1 (en) | Data Clustering for Multi-Layer Social Link Analysis | |
CN112418656A (zh) | 智能坐席分派方法、装置、计算机设备和存储介质 | |
CN115130711A (zh) | 一种数据处理方法、装置、计算机及可读存储介质 | |
CN106844743B (zh) | 维吾尔语文本的情感分类方法及装置 | |
CN112966916A (zh) | 一种基于深度学习的社区空闲资源分享方法和系统 | |
CN108509588A (zh) | 一种基于大数据的律师评估方法及推荐方法 | |
CN112434140B (zh) | 一种答复信息处理方法及系统 | |
CN113010664A (zh) | 一种数据处理方法、装置及计算机设备 |
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 |