CN112561750A - 课程推荐方法、装置、电子设备及存储介质 - Google Patents
课程推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112561750A CN112561750A CN202011471712.3A CN202011471712A CN112561750A CN 112561750 A CN112561750 A CN 112561750A CN 202011471712 A CN202011471712 A CN 202011471712A CN 112561750 A CN112561750 A CN 112561750A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- course
- target user
- information
- 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 42
- 238000013475 authorization Methods 0.000 claims abstract description 96
- 238000005457 optimization Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种课程推荐方法、装置、电子设备及存储介质。该方法包括:获取目标用户的用户授权信息,基于用户授权信息创建目标用户的用户模型;并基于目标用户的用户模型确定目标推荐课程。本发明实施例的技术方案,在推荐课程之前,先获取目标用户的用户授权信息,以充分了解目标用户的基本情况,并将获取到的目标用户的用户授权信息作为依据,对该目标用户进行课程推荐,使得所推荐的目标推荐课程能够更加贴合该目标用户的个性化需求,能够有针对性地为目标用户推荐适合该目标用户的课程,极大地提高用户的体验感。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种课程推荐方法、装置、电子设备及存储介质。
背景技术
近年来,随着信息技术的发展,互联网产业得到了快速的发展,从当初的“科技是第一生产力”到如今的“创新是引领发展的第一动力”,信息技术在各方各面都发挥着巨大的作用。特别是对于教育行业来说,信息技术与教育的融合打破了传统的线上教育模式,为教育变革带来了新的源泉。互联网与教育的结合不仅在国家层面的到了支持,也在很多学校得到了应用,新一代的年轻人接受能力强,更加适应互联网时代,因此,互联网与教育的结合未来必定会走到更多的青少年群体之中。
随着近几年互联网发展迅速,线上教育也逐渐展露在人们的视野中,家长对教育的需求也越来越强烈。因此市面上诞生了很多在线教育平台,目前的在线教育平台功能都较为齐全,但是无法对学员的自身情况提供针对性的教育培训和技能强化,从而无法提供有效课程。现有技术存在无法根据学员的基本情况进行课程推荐的问题。
发明内容
本发明实施例提供了一种课程推荐方法、装置、电子设备及存储介质,以解决现有技术中无法根据用户的基本情况进行课程推荐的问题。
第一方面,本发明实施例提供了一种课程推荐方法,该方法包括:
获取目标用户的用户授权信息,基于所述用户授权信息创建所述目标用户的用户模型;
基于所述目标用户的用户模型确定目标推荐课程,并将至少一个所述目标推荐课程推荐给所述目标用户。
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:
创建模块,用于获取目标用户的用户授权信息,基于所述用户授权信息创建所述目标用户的用户模型;
确定模块,用于基于所述目标用户的用户模型确定目标推荐课程,并将至少一个所述目标推荐课程推荐给所述目标用户。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例提供的课程推荐方法。
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提供的课程推荐方法。
上述发明中的实施例具有如下优点或有益效果:
获取目标用户的用户授权信息,基于用户授权信息创建目标用户的用户模型;并基于目标用户的用户模型确定目标推荐课程。本发明实施例的技术方案,在推荐课程之前,先获取目标用户的用户授权信息,以充分了解目标用户的基本情况,并将获取到的目标用户的用户授权信息作为依据,对该目标用户进行课程推荐,使得所推荐的目标推荐课程能够更加贴合该目标用户的个性化需求,能够有针对性地为目标用户推荐适合该目标用户的课程,极大地提高用户的体验感。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种课程推荐方法的流程示意图;
图2为本发明实施例二所提供的一种课程推荐方法的流程示意图;
图3为本发明实施例三所提供的一种课程推荐方法的流程示意图;
图4为本发明实施例四所提供的一种课程推荐装置的结构示意图;
图5为本发明实施例五所提供的一种电子设备的结构示意图。
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。
实施例一
图1为本发明实施例一所提供的一种课程推荐方法的流程示意图,本实施例可适用于根据用户诉求来推荐课程的情形,该方法可以由课程推荐装置来执行,该装置可以由硬件和/或软件来实现,该方法具体包括如下步骤:
S110、获取目标用户的用户授权信息,基于用户授权信息创建目标用户的用户模型。
其中,目标用户可以理解为要学习课程的用户。用户授权信息可包括用户的个人信息和诉求信息。示例性地,个人信息可包括用户基本信息,例如可以是,目标用户的年龄、性别、所处的区域以及受教育程度等等。可选地,所述诉求信息可包括用户的兴趣信息以及用户的知识储备信息等。
获取目标用户的用户授权信息的方式可以有多种,例如,用户授权信息可以是通过接收目标用户在用户授权信息采集界面基于授权信息填写项所输入的填写信息得到,还可以是通过接收目标用户在用户授权信息采集界面中基于预设的选择标签所选择的信息得到。
具体的,兴趣信息指目标用户的兴趣爱好或者想要进行教育培训或技能强化的领域类别;知识储备信息指目标用户对该兴趣爱好或领域类别的学习程度,如未接触过、一般了解、非常了解或精通等。可以理解的是,用户授权信息中的知识储备信息,可以是目标用户通过选择或填写的方式所录入的学习程度,还可以是基于目标用户输入或选择的学习时间所确定,如目标用户输入学习过1个月或学习过3年等,对应的知识储备信息可以分别为一般了解和非常了解。此外,用户授权信息还可以包括目标用户指定的课程信息,和/或,目标用户指定的课程发布者信息,和/或,目标用户指定的课程授课者信息。
可选的,所述获取目标用户的用户授权信息,包括:在检测到目标用户为新注册用户,或目标用户的用户授权信息的采集时间与当前时刻之间的时间间隔超过预设时间阈值时,展示用户授权信息采集界面,基于用户授权信息采集界面采集目标用户的用户授权信息。
其中,新注册用户指注册后未获取到用户授权信息的用户,包括注册后首次登录的用户,以及注册后非首次登录但没有采集过用户授权信息的用户。在目标用户的用户授权信息的采集时间与当前时刻之间的时间间隔超过预设时间阈值时,将前次采集的用户授权信息判定为失效信息,并向目标用户展示用户授权信息采集界面,从而重新采集目标用户的用户授权信息。可以理解的是,当前次采集用户授权信息的时刻与当前时刻的时间差较大时,前次采集用户授权信息不能用于表征当前时刻目标用户的个人信息和诉求信息。可以理解的是,预设时间阈值指可以根据实际需求进行设置的时间间隔,在此并不对预设时间阈值的具体数值进行限定。
通过在检测到目标用户为新注册用户,或目标用户的用户授权信息的采集时间与当前时刻之间的时间间隔超过预设时间阈值时,基于用户授权信息采集界面采集目标用户的用户授权信息,实现了对新注册用户以及失效信息用户的用户授权信息的采集,保证了用户授权信息的实时有效性,从而提高了用户授权信息的准确性,进一步的,提高了用户模型的精度。
在本实施例中,用户模型指用于表征用户的个人信息和诉求信息的模型。具体的,在创建用户模型时,基于用户的诉求信息确定用户课程类别,并基于用户的个人信息和诉求信息确定用户课程级别,进一步的,基于用户课程类别与用户课程级别创建用户模型。示例性的,用户个人信息包括本科生,诉求信息包括C语言学习、未接触过,则确定的用户课程类别为程序设计-C语言,用户课程级别为入门级,从而建立的用户模型包括程序设计-C语言、入门级。需要说明的是,基于用户授权信息创建目标用户的用户模型的方式有以下两种:可以是将多种用户授权信息以及对应的用户模型预先存储于服务器中,以便在获取到目标用户的用户授权信息时,通过与服务器中存储的各种用户授权信息进行比对,从而确定目标用户的用户授权信息对应的用户模型;或者,可以是根据目标用户的用户授权信息生成用户课程类别和用户课程级别,从而创建目标用户的用户模型。
具体的,用户课程类别可以由用户偏好信息和/或用户个人基本信息确定;如外语-日语或舞蹈-街舞等用户课程类别,可以基于用户偏好信息确定;如教育-语言启蒙,可以基于用户个人基本信息中的年龄信息确定;如教育-小学英语或教育-高中生物等,可以基于用户偏好信息和用户个人基本信息中的年龄信息确定。用户课程级别可以由用户的掌握程度信息或用户个人基本信息确定,可以包括入门级、初级、进阶级和大师级等。示例性的,掌握程度信息为一般了解,对应的用户课程级别为初级;用户个人基本信息中的年龄信息为5岁,对应的用户课程级别为入门级。
可选的,所述用户授权信息包括用户基本信息、兴趣信息以及知识储备信息,所述基于用户授权信息创建目标用户的用户模型,包括:基于目标用户的兴趣信息确定目标用户对应的课程类别;基于用户基本信息、课程类别以及知识储备信息创建目标用户的用户模型。
其中,知识储备信息还可以基于目标用户选择或填写的已学习知识量确定,例如,已学习知识量为日语50音图,对应的知识储备信息为一般了解。示例性的,目标用户的兴趣信息为化妆,则确定的课程类别为生活-美妆类;目标用户的兴趣信息为java,则确定的课程类别为程序设计-java。基于用户基本信息以及知识储备信息确定出课程级别,例如,用户基本信息包括11岁,知识储备信息包括已学习英语教材,则课程级别为初级。在得到课程类别与课程级别之后,基于课程类别与课程级别创建目标用户的用户模型。
在本实施例中,通过基于目标用户的兴趣信息确定目标用户对应的课程类别;并基于用户基本信息、课程类别以及知识储备信息创建目标用户的用户模型,实现了基于用户兴趣信息、基本信息以及知识储备信息的模型创建,从而实现了模型的个性化创建。
S120、基于目标用户的用户模型确定目标推荐课程,并将至少一个目标推荐课程推荐给目标用户。
其中,目标推荐课程指为目标用户匹配的推荐课程。在一种实施方式中,可以将各目标推荐课程与对应的课程类别标识与课程级别标识关联存储,以使在创建目标用户的用户模型后,将用户模型的用户课程类别与用户课程级别分别与课程类别标识与课程级别标识进行匹配,从而确定目标推荐课程。在另一种实施方式中,可以将各目标推荐课程与对应的用户模型关联存储,以使在创建目标用户的用户模型后,计算目标用户的用户模型与存储的各用户模型的相似度,从而确定目标推荐课程。
可以理解的是,向目标用户推荐的目标推荐课程的数量可以是一个、两个或多个,以为目标用户提供较多的课程选择。可选的,在基于目标用户的用户模型确定目标推荐课程之后,基于预设筛选策略确定推荐给目标用户的目标推荐课程。其中,预设筛选策略可以是基于各目标推荐课程的评分、观看次数或时间对各目标推荐课程排序,生成评分列表、观看次数列表与时间列表,将各列表中前N名目标推荐课程推荐给目标用户。
本实施例的技术方案,获取目标用户的用户授权信息,基于用户授权信息创建目标用户的用户模型;并基于目标用户的用户模型确定目标推荐课程。本发明实施例的技术方案,在推荐课程之前,先获取目标用户的用户授权信息,以充分了解目标用户的基本情况,并将获取到的目标用户的用户授权信息作为依据,对该目标用户进行课程推荐,使得所推荐的目标推荐课程能够更加贴合该目标用户的个性化需求,能够有针对性地为目标用户推荐适合该目标用户的课程,极大地提高用户的体验感。
实施例二
图2为本发明实施例二提供的一种课程推荐方法的流程示意图,本实施例在上述各实施例的基础上,增加了“获取目标用户对至少一个目标推荐课程的课程反馈信息,基于课程反馈信息确定与目标用户关联的目标关联课程”。其中与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图2,本实施例提供的课程推荐方法包括:
S210、获取目标用户的用户授权信息,基于用户授权信息创建目标用户的用户模型。
S220、基于目标用户的用户模型确定目标推荐课程,并将至少一个目标推荐课程推荐给目标用户。
S230、获取目标用户对至少一个目标推荐课程的课程反馈信息,基于课程反馈信息确定与目标用户关联的目标关联课程。
其中,课程反馈信息可以是目标用户在至少一个目标推荐课程中选择的课程信息,还可以是对至少一个目标推荐课程的反馈信息。目标关联课程指与目标用户关联存储的课程,以使在检测到目标用户的后续登录时,为目标用户展示所述目标关联课程。
具体的,当目标用户对推荐的至少一个目标推荐课程满意时,在至少一个目标推荐课程中进行选择,基于选择的课程信息确定目标关联课程。当目标用户对推荐的至少一个目标推荐课程不满意时,即未检测到目标用户选择的课程信息时,向目标用户展示反馈界面,基于所述反馈界面采集目标用户填写的或选择的反馈信息,更新目标用户的用户模型,基于更新后的用户模型确定目标推荐课程。
本实施例的技术方案,通过在将至少一个目标推荐课程推荐给目标用户之后,获取目标用户对至少一个目标推荐课程的课程反馈信息,基于课程反馈信息确定与目标用户关联的目标关联课程,实现了基于用户的反馈信息确定关联课程,使得关联课程更符合用户的学习需求,能够有针对性地为用户推荐适合该用户的课程,进一步的,提高了用户的体验感。
在本发明实施例各可选方案的基础上,可选的,在所述基于目标用户的用户模型确定目标推荐课程之前,还包括:在获取到目标用户的模型优化反馈信息时,更新目标用户的用户模型。
其中,模型优化反馈信息在用户模型待优化时生成,即由目标用户在判定用户模型需要进行进一步优化时生成。具体的,用户模型的优化可以是对用户模型的用户课程类别作进一步细化,和/或,对用户模型的用户课程级别进行更改。示例性的,目标用户的用户模型为生活-美妆类、入门级,更新后的用户模型为生活-美妆类-日系妆容、进阶级。
在一种实施方式中,在基于目标用户的用户模型确定目标推荐课程之前,展示模型优化反馈界面,基于所述展示模型优化反馈界面获取目标用户的模型优化反馈信息。可以理解的是,模型优化反馈界面的展示可以是在检测到目标用户执行对应操作时触发的,其中,对应操作可以是用户触发优化控件。示例性的,在生成目标用户的用户模型之后,向目标用户展示所述用户模型,并在展示页面提供确认控件以及优化控件,在检测到用户点击优化控件时,展示模型优化反馈界面。
在本实施例中,通过在获取到目标用户的模型优化反馈信息时,更新目标用户的用户模型,实现了在获取到用户的优化反馈时对模型进行更新,从而提高了模型的精度,以使模型更符合用户需求,进一步的,使得推荐的课程能够更加贴合该用户的个性化需求。
考虑到大多数目标用户在后续访问过程中继续学习目标关联课程,因此,可以将目标关联课程与目标用户进行绑定,以避免重复获取用户授权信息,同时,可以提高了用户的体验感,进一步的,还可以提高用户的学习效率。因此,在本发明实施例各可选方案的基础上,可选的,所述课程推荐方法还包括:将目标关联课程与目标用户绑定,以使在获取到目标用户的再次访问请求时,向目标用户推荐目标关联课程。
其中,可以将目标关联课程与目标用户进行关联存储,实现目标关联课程与目标用户的绑定,以使在获取到目标用户的再次访问请求时,通过关联存储的数据确定出目标关联课程。示例性的,将目标关联课程的对应ID与目标用户的对应ID进行关联存储,从而实现目标关联课程与目标用户的绑定。
可以理解的是,目标关联课程可以是由一系列课程视频组成的课程系列,在向目标用户推荐目标关联课程时,可以基于前一次观看的课程进度,推荐前一次未观看完成的课程视频或下一相邻课程视频。在一种实施方式中,若目标用户已观看完目标关联课程的全部课程视频,可以将目标关联课程的相邻高级别的课程确定为目标关联课程,并向目标用户推荐。示例性的,与目标用户绑定的目标关联课程为程序设计-C语言、入门级,在检测到目标用户观看完目标关联课程的全部课程视频时,将程序设计-C语言、初级课程确定为目标关联课程。
在本实施例中,通过将目标关联课程与目标用户绑定,以使在获取到目标用户的再次访问请求时,向目标用户推荐目标关联课程,实现了在用户后续访问时无需再次获取用户授权信息,可以继续推荐关联的课程,实现了课程与用户的关联,从而实现了用户后续访问的课程推荐,进一步的,提高了用户的体验感。
可选的,所述课程反馈信息包括第一反馈信息和第二反馈信息,所述获取目标用户对至少一个目标推荐课程的课程反馈信息,基于课程反馈信息确定与目标用户关联的目标关联课程,包括:若获取到的目标用户的课程反馈信息为第一反馈信息,则基于第一反馈信息从至少一个目标推荐课程中确定目标关联课程;若获取到的目标用户的课程反馈信息为第二反馈信息,则基于第二反馈信息更新目标用户的用户模型,以基于更新后的用户模型确定目标关联课程。
其中,第一反馈信息指目标用户在至少一个目标推荐课程中选择的课程信息;第二反馈信息指目标用户针对至少一个目标推荐课程的反馈信息。可以理解的是,当目标用户对推荐的至少一个目标推荐课程满意时,可以获取到第一反馈信息,从而基于第一反馈信息确定目标关联课程;当目标用户对推荐的至少一个目标推荐课程不满意时,可以获取到第二反馈信息,从而基于第二反馈信息更新用户模型,并基于更新的用户模型确定目标推荐课程,从而基于目标推荐课程与目标用户的课程反馈信息确定目标关联课程。
具体的,第二反馈信息可以包括课程类别反馈信息和课程级别反馈信息。其中,课程类别反馈信息用于表征课程类别是否需要更改或细化;课程级别反馈信息用于表征课程级别是否需要提升或降低。例如,第二反馈信息包括提升课程级别,则将程序设计-C语言、入门级更新为程序设计-C语言、初级。
在本实施例中,通过获取到目标用户的第一反馈信息时,基于第一反馈信息从至少一个目标推荐课程中确定目标关联课程,获取到第二反馈信息时,基于第二反馈信息更新目标用户的用户模型,以基于更新后的用户模型确定目标关联课程,实现了基于用户的课程反馈对模型进行更新,从而使得所推荐的课程能够更加贴合该用户的个性化需求,进一步的,提高了用户的体验感。
实施例三
图3为本发明实施例三提供的一种课程推荐方法的流程示意图,本实施例为上述各实施例的一种优选实施例。其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图3,本实施例提供的一种课程推荐方法包括如下步骤:
S301、获取目标用户的登录请求。
S302、验证所述登录请求是否有效;若是,则执行S304;若否,则执行S303。
其中,所述登录请求包括目标用户的账号与密码信息,对所述账号与密码信息进行验证,从而确定所述登录请求是否为有效请求。
S303、向目标用户展示注册界面。
其中,在检测到目标用户完成账号注册时,继续执行S301。具体的,在目标用户的登录请求无效时,向目标用户展示注册界面,在检测到目标用户触发账号注册信息的提交控件时,向目标用户展示登录界面,以获取目标用户的登录请求。
S304、检测所述目标用户是否需要输入用户授权信息;若是,则执行S305;若否,则执行S313。
其中,若目标用户为新注册用户,或前一次采集的用户授权信息失效,则目标用户需要输入用户授权信息。具体的,若目标用户的用户授权信息的采集时间与当前时刻之间的时间间隔超过预设时间阈值,用户授权信息失效。对于新注册用户或已经前一次采集的用户授权信息失效的目标用户,重新获取目标用户的用户授权信息;对于非新注册用户且前一次采集的用户授权信息有效的目标用户,执行S313以基于其对应的目标关联课程进入课程学习。
S305、获取目标用户的用户授权信息。
S306、基于用户授权信息创建用户模型。
S307、获取目标用户的模型反馈信息,并判断所述模型反馈信息是否为模型确认反馈信息;若是,则执行S309;若否,则执行S308。
其中,模型反馈信息包括模型优化反馈信息以及模型确认反馈信息。在获取到模型确认反馈信息时,无需对用户模型进行更新,在获取到模型优化反馈信息时,对用户模型进行更新。
S308、完善用户模型。
具体的,基于模型优化反馈信息或第二反馈信息完善用户模型。例如,对用户模型的用户课程类别进行细化,或对用户模型的用户课程级别进行更新等。并返回执行S307。
S309、向目标用户推荐至少一个目标推荐课程。
其中,目标推荐课程是基于目标用户的用户模型确定的。
S310、获取目标用户的课程反馈信息。
其中,课程反馈信息包括第一反馈信息和第二反馈信息。
S311、判断所述课程反馈信息是否为第一反馈信息;若是,则执行S312;若否,则执行S308。
其中,在所述课程反馈信息为第二反馈信息时,返回执行S308,以基于第二反馈信息更新目标用户的用户模型,以基于更新后的用户模型确定目标关联课程。
S312、确定目标关联课程。
具体的,基于第一反馈信息从至少一个目标推荐课程中确定目标关联课程。
S313、进入课程学习。
具体的,向目标用户推荐对应的目标关联课程,以使目标用户进入目标关联课程的学习。
本实施例的技术方案,通过获取目标用户的模型反馈信息以及目标用户的课程反馈信息,在模型反馈信息为模型确认反馈信息,或课程反馈信息为第二反馈信息时,完善用户模型,实现了在确认目标关联课程的过程中,基于用户的多次反馈信息对模型进行完善,从而使得确认的课程能够更加贴合用户的个性化需求,极大地提高用户的体验感。
实施例四
图4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,本实施例可适用于根据用户诉求来推荐课程的情形,该装置具体包括:创建模块410与确定模块420。
创建模块410,用于获取目标用户的用户授权信息,基于用户授权信息创建目标用户的用户模型;
确定模块420,用于基于目标用户的用户模型确定目标推荐课程,并将至少一个目标推荐课程推荐给所述目标用户。
在本实施例中,通过创建模块获取目标用户的用户授权信息,基于用户授权信息创建目标用户的用户模型;并通过确定模块基于目标用户的用户模型确定目标推荐课程。本发明实施例的技术方案,在推荐课程之前,先获取目标用户的用户授权信息,以充分了解目标用户的基本情况,并将获取到的目标用户的用户授权信息作为依据,对该目标用户进行课程推荐,使得所推荐的目标推荐课程能够更加贴合该目标用户的个性化需求,能够有针对性地为目标用户推荐适合该目标用户的课程,极大地提高用户的体验感。
可选的,所述创建模块410包括授权获取单元,用于在检测到目标用户为新注册用户,或目标用户的用户授权信息的采集时间与当前时刻之间的时间间隔超过预设时间阈值时,展示用户授权信息采集界面,基于用户授权信息采集界面采集目标用户的用户授权信息。
可选的,所述课程推荐装置还包括关联模块,用于在将至少一个目标推荐课程推荐给目标用户之后,获取目标用户对至少一个目标推荐课程的课程反馈信息,基于课程反馈信息确定与目标用户关联的目标关联课程。
可选的,所述课程推荐装置还包括绑定模块,用于将目标关联课程与目标用户绑定,以使在获取到目标用户的再次访问请求时,向目标用户推荐目标关联课程。
可选的,所述课程反馈信息包括第一反馈信息和第二反馈信息,所述关联模块具体用于在获取到的目标用户的课程反馈信息为第一反馈信息时,基于第一反馈信息从至少一个目标推荐课程中确定目标关联课程;在获取到的目标用户的课程反馈信息为第二反馈信息时,基于第二反馈信息更新目标用户的用户模型,以基于更新后的用户模型确定目标关联课程。
可选的,所述创建模块410还包括模型更新单元,用于在基于目标用户的用户模型确定目标推荐课程之前,在获取到目标用户的模型优化反馈信息时,更新目标用户的用户模型。
可选的,所述用户授权信息包括用户基本信息、兴趣信息以及知识储备信息,所述创建模块包括模型创建单元,用于基于目标用户的兴趣信息确定目标用户对应的课程类别;基于用户基本信息、课程类别以及知识储备信息创建目标用户的用户模型。
本发明实施例所提供的课程推荐装置可执行本发明任意实施例所提供的课程推荐方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述系统所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元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实施例的保护范围。
实施例五
图5为本发明实施例五提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图5显示的电子设备50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5所示,电子设备50以通用计算设备的形式表现。电子设备50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501,系统存储器502,连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503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。
电子设备50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电子设备50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502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)504和/或高速缓存存储器505。电子设备50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506可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5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503相连。存储器502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507的程序/实用工具508,可以存储在例如存储器502中,这样的程序模块507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507通常执行本发明所描述的实施例中的功能和/或方法。
电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信,还可与一个或者多个使得用户能与该电子设备50交互的设备通信,和/或与使得该电子设备50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511进行。并且,电子设备50还可以通过网络适配器512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512通过总线503与电子设备50的其它模块通信。应当明白,尽管图5中未示出,可以结合电子设备50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501通过运行存储在系统存储器502中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的一种课程推荐方法步骤,该方法包括:
获取目标用户的用户授权信息,基于用户授权信息创建目标用户的用户模型;
基于目标用户的用户模型确定目标推荐课程,并将至少一个目标推荐课程推荐给目标用户。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的课程推荐方法的技术方案。
实施例六
本实施例六提供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任意实施例所提供的课程推荐方法步骤,该方法包括:
获取目标用户的用户授权信息,基于用户授权信息创建目标用户的用户模型;
基于目标用户的用户模型确定目标推荐课程,并将至少一个目标推荐课程推荐给目标用户。
本发明实施例的计算机存储介质,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实施例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:
获取目标用户的用户授权信息,基于所述用户授权信息创建所述目标用户的用户模型;
基于所述目标用户的用户模型确定目标推荐课程,并将至少一个所述目标推荐课程推荐给所述目标用户。
2.根据权利要求1所述的方法,其特征在于,所述获取目标用户的用户授权信息,包括:
在检测到目标用户为新注册用户,或目标用户的用户授权信息的采集时间与当前时刻之间的时间间隔超过预设时间阈值时,展示用户授权信息采集界面,基于所述用户授权信息采集界面采集目标用户的用户授权信息。
3.根据权利要求1所述的方法,其特征在于,在将至少一个所述目标推荐课程推荐给所述目标用户之后,还包括:
获取所述目标用户对至少一个所述目标推荐课程的课程反馈信息,基于所述课程反馈信息确定与所述目标用户关联的目标关联课程。
4.根据权利要求3所述的方法,其特征在于,还包括:
将所述目标关联课程与所述目标用户绑定,以使在获取到所述目标用户的再次访问请求时,向所述目标用户推荐所述目标关联课程。
5.根据权利要求3所述的方法,其特征在于,所述课程反馈信息包括第一反馈信息和第二反馈信息,所述获取所述目标用户对至少一个所述目标推荐课程的课程反馈信息,基于所述课程反馈信息确定与所述目标用户关联的目标关联课程,包括:
若获取到的所述目标用户的课程反馈信息为第一反馈信息,则基于所述第一反馈信息从至少一个所述目标推荐课程中确定目标关联课程;
若获取到的所述目标用户的课程反馈信息为第二反馈信息,则基于所述第二反馈信息更新所述目标用户的用户模型,以基于更新后的用户模型确定目标关联课程。
6.根据权利要求1所述的方法,其特征在于,在所述基于所述目标用户的用户模型确定目标推荐课程之前,还包括:
在获取到目标用户的模型优化反馈信息时,更新所述目标用户的用户模型。
7.根据权利要求1所述的方法,其特征在于,所述用户授权信息包括用户基本信息、兴趣信息以及知识储备信息,所述基于所述用户授权信息创建所述目标用户的用户模型,包括:
基于所述目标用户的所述兴趣信息确定所述目标用户对应的课程类别;
基于所述用户基本信息、所述课程类别以及所述知识储备信息创建所述目标用户的用户模型。
8.一种课程推荐装置,其特征在于,包括:
创建模块,用于获取目标用户的用户授权信息,基于所述用户授权信息创建所述目标用户的用户模型;
确定模块,用于基于所述目标用户的用户模型确定目标推荐课程,并将至少一个所述目标推荐课程推荐给所述目标用户。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的课程推荐方法。
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1-7中任一所述的课程推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011471712.3A CN112561750A (zh) | 2020-12-14 | 2020-12-14 | 课程推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011471712.3A CN112561750A (zh) | 2020-12-14 | 2020-12-14 | 课程推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112561750A true CN112561750A (zh) | 2021-03-26 |
Family
ID=75063419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011471712.3A Pending CN112561750A (zh) | 2020-12-14 | 2020-12-14 | 课程推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561750A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723488A (zh) * | 2022-04-07 | 2022-07-08 | 平安科技(深圳)有限公司 | 课程推荐方法、装置、电子设备及存储介质 |
CN114722280A (zh) * | 2022-04-06 | 2022-07-08 | 平安科技(深圳)有限公司 | 基于用户画像的课程推荐方法、装置、设备及存储介质 |
CN116226523A (zh) * | 2023-02-24 | 2023-06-06 | 广州沐思信息科技有限公司 | 一种基于大数据的知识培训方法及系统 |
CN117372219A (zh) * | 2023-12-05 | 2024-01-09 | 青岛理工大学 | 一种学生课程的推荐方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021363A (zh) * | 2016-05-10 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 课程推荐方法和装置 |
CN109409706A (zh) * | 2018-10-11 | 2019-03-01 | 武汉微道云信息科技有限公司 | 选修课程推荐方法、设备、存储介质及装置 |
CN110910188A (zh) * | 2018-09-14 | 2020-03-24 | 百度在线网络技术(北京)有限公司 | 课程优化与推荐的方法、装置、存储介质和终端设备 |
CN111209474A (zh) * | 2019-12-27 | 2020-05-29 | 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 |
CN111475716A (zh) * | 2020-03-26 | 2020-07-31 | 威比网络科技(上海)有限公司 | 在线课程推荐方法、系统、设备及存储介质 |
-
2020
- 2020-12-14 CN CN202011471712.3A patent/CN112561750A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021363A (zh) * | 2016-05-10 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 课程推荐方法和装置 |
CN110910188A (zh) * | 2018-09-14 | 2020-03-24 | 百度在线网络技术(北京)有限公司 | 课程优化与推荐的方法、装置、存储介质和终端设备 |
CN109409706A (zh) * | 2018-10-11 | 2019-03-01 | 武汉微道云信息科技有限公司 | 选修课程推荐方法、设备、存储介质及装置 |
CN111209474A (zh) * | 2019-12-27 | 2020-05-29 | 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 |
CN111475716A (zh) * | 2020-03-26 | 2020-07-31 | 威比网络科技(上海)有限公司 | 在线课程推荐方法、系统、设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722280A (zh) * | 2022-04-06 | 2022-07-08 | 平安科技(深圳)有限公司 | 基于用户画像的课程推荐方法、装置、设备及存储介质 |
CN114723488A (zh) * | 2022-04-07 | 2022-07-08 | 平安科技(深圳)有限公司 | 课程推荐方法、装置、电子设备及存储介质 |
CN114723488B (zh) * | 2022-04-07 | 2023-05-30 | 平安科技(深圳)有限公司 | 课程推荐方法、装置、电子设备及存储介质 |
CN116226523A (zh) * | 2023-02-24 | 2023-06-06 | 广州沐思信息科技有限公司 | 一种基于大数据的知识培训方法及系统 |
CN116226523B (zh) * | 2023-02-24 | 2023-11-07 | 广州兴趣岛信息科技有限公司 | 一种基于大数据的知识培训方法及系统 |
CN117372219A (zh) * | 2023-12-05 | 2024-01-09 | 青岛理工大学 | 一种学生课程的推荐方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112561750A (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
US9189968B2 (en) | Network-probability recommendation system | |
Khanna et al. | Evaluating and improving the usability of Mechanical Turk for low-income workers in India | |
US9905136B2 (en) | Role based history in a modular learning system | |
US10354542B2 (en) | Role based notifications in a modular learning system | |
US9229929B2 (en) | Modular translation of learning applications in a modular learning system | |
CN112596731B (zh) | 一种融合智能教育的编程教学系统及方法 | |
US11497960B2 (en) | Microlearning event management in a modular learning system | |
US10541884B2 (en) | Simulating a user score from input objectives | |
CN111343507A (zh) | 在线授课方法、装置、存储介质和电子设备 | |
CN111614986A (zh) | 基于在线教育的弹幕生成方法、系统、设备及存储介质 | |
US20140350987A1 (en) | Hierarchical relationships between learners in a modular learning system | |
US9547995B1 (en) | Dynamic instructional course | |
WO2013040111A1 (en) | Ability banks in a modular learning system | |
US10452775B2 (en) | Learning application template management in a modular learning system | |
CN110648119A (zh) | 培训方法及装置、存储介质及电子设备 | |
Mahdi et al. | Factors affecting e-learning adoption in Afghanistan: empirical evidence from technical and vocational education and training authority | |
US20140372897A1 (en) | Publishing of learning applications in a modular learning system | |
Jayasiriwardene et al. | An adaptive and interactive learning toolkit (iLearn) | |
KR100503900B1 (ko) | 단말기 사용을 제어할 수 있는 원격 학습 방법및 시스템 | |
KR102477976B1 (ko) | 교육 컨텐츠 제공 방법 | |
CN113592430A (zh) | 日程管理方法、装置、电子设备、存储介质 | |
WO2013040108A1 (en) | Certification of learning applications in a modular learning system | |
CN105118341A (zh) | 一种网络课堂教学方法及系统 | |
US20140351157A1 (en) | Learning identity management in a modular learning system |
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 |
Application publication date: 20210326 |
|
RJ01 | Rejection of invention patent application after publication |