CN112749340A - 基于大数据的课程推荐方法、系统、移动终端及存储介质 - Google Patents

基于大数据的课程推荐方法、系统、移动终端及存储介质 Download PDF

Info

Publication number
CN112749340A
CN112749340A CN202110068232.0A CN202110068232A CN112749340A CN 112749340 A CN112749340 A CN 112749340A CN 202110068232 A CN202110068232 A CN 202110068232A CN 112749340 A CN112749340 A CN 112749340A
Authority
CN
China
Prior art keywords
course
user
big
recommending
target
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
Application number
CN202110068232.0A
Other languages
English (en)
Inventor
张月鲜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aoke Xingyun Beijing Technology Development Co ltd
Original Assignee
Aoke Xingyun Beijing Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aoke Xingyun Beijing Technology Development Co ltd filed Critical Aoke Xingyun Beijing Technology Development Co ltd
Priority to CN202110068232.0A priority Critical patent/CN112749340A/zh
Publication of CN112749340A publication Critical patent/CN112749340A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • 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
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于大数据的课程推荐方法，包括：获取用户设置的课程标签以及历史学习课程参数；根据所述课程标签以及历史学习课程参数确定偏好结果；推荐所述偏好结果对应的目标课程。本发明还公开了一种基于大数据的课程推荐系统、终端设备及计算机存储介质。本发明通过获取用户设置的课程标签以及历史学习课程参数，根据课程标签以及历史学习课程参数确定用户的课程的偏好结果，根据偏好结果推荐目标课程，通过课程标签确定用户偏好课程的大方向，再结合用户的历史学习课程参数进行调整，以根据用户的当前状态推荐与用户需求匹配的课程，达到缩短用户寻找课程的时间的有益效果。

Description

基于大数据的课程推荐方法、系统、移动终端及存储介质
技术领域
本发明涉及计算机器应用技术领域、尤其涉及一种基于大数据的课程推荐方法、系统、移动终端及存储介质。
背景技术
随着信息技术的发展，人们每天接触数以万计的信息，如何在这些信息中寻找到有用信息，困扰着我们。
为了向用户推荐课程，一般根据用户设置的课程标签，推荐对应的课程，而忽视了用户的兴趣变化，存在推荐课程与用户需求不匹配的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明实施例的主要目的在于提供一种基于大数据的课程推荐方法，旨在解决推荐课程与用户需求不匹配的技术问题。
为解决上述问题，本发明实施例提供一种基于大数据的课程推荐方法，包括以下内容：
获取用户设置的课程标签以及历史学习课程参数；
根据所述课程标签以及历史学习课程参数确定偏好结果；
推荐所述偏好结果对应的目标课程。
可选地，所述获取用户设置的课程标签以及历史学习课程参数的步骤包括：
获取用户设置的课程标签；
根据各个历史学习课程的学习次数、完成度、对应的主讲教师以及课程类型中的至少一个获取所述历史学习课程参数。
可选地，所述根据所述课程标签以及历史学习课程参数确定偏好结果的步骤包括：
获取所述课程标签对应的第一权重以及所述历史学习课程参数对应的第二权重；
根据所述第一权重以及所述第二权重确定所述偏好结果。
可选地，所述获取所述课程标签对应的第一权重以及所述历史学习课程参数对应的第二权重的步骤之后，所述根据所述课程标签以及历史学习课程参数确定偏好结果的步骤还包括：
获取所述历史学习课程参数的学习阶段对应的第三权重；
根据所述第一权重、所述第二权重以及所述第三权重确定所述偏好结果。
可选地，所述推荐所述偏好结果对应的目标课程的步骤包括：
根据所述偏好结果获取关联的课程；
根据所述关联的课程的关联度推荐所述目标课程。
可选地，所述推荐所述偏好结果对应的目标课程的步骤之后，所述基于大数据的课程推荐方法还包括：
获取用户点击所述目标课程的操作次数和/或观看时长；
将所述目标课程的操作次数和/或观看时长输入至预设模型，并获取所述预设模型输出的反馈结果；
根据所述反馈结果调整所述偏好结果对应的目标课程。
可选地，所述将所述目标课程的操作次数和/或观看时长输入至预设模型，并获取所述预设模型输出的反馈结果的步骤之后，还包括：
在所述反馈结果为不匹配时，输出选择界面，以供用户通过所述选择界面选择偏好结果对应的目标课程；
推荐用户选择的目标课程。
此外，为解决上述问题，本发明实施例还提供基于大数据的课程推荐系统，所述系统包括：
课程标签获取模块，用于获取用户设置的课程标签；
偏好结果确定模块，用于根据所述课程标签以及历史学习课程参数确定偏好结果；
目标课程推荐模块，用于推荐所述偏好结果对应的目标课程。
本发明实施例还提供一种移动终端，所述移动终端包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的基于大数据的课程推荐程序，所述基于大数据的课程推荐程序被所述处理器执行时实现如上所述的基于大数据的课程推荐方法的内容。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于大数据的课程推荐程序，所述基于大数据的课程推荐程序被处理器执行时实现如上所述的基于大数据的课程推荐方法的内容。
发明实施例提出的一种基于大数据的课程推荐方法，通过获取用户设置的课程标签以及历史学习课程参数，根据课程标签以及历史学习课程参数确定用户的课程的偏好结果，根据偏好结果推荐目标课程，通过课程标签确定用户偏好课程的大方向，再结合用户的历史学习课程参数进行调整，以根据用户的当前状态推荐与用户需求匹配的课程，达到缩短用户寻找课程的时间的有益效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本申请基于大数据的课程推荐方法第一实施例；
图3为本申请基于大数据的课程推荐方法第二实施例；
图4为本申请基于大数据的课程推荐方法第三实施例；
图5为本申请基于大数据的课程推荐方法第四实施例；
图6为本申请基于大数据的课程推荐方法第五实施例。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
应当理解，尽管在本文可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语"如果"可以被解释成为"在……时"或"当……时"或"响应于确定"。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
如图1所示，图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例的执行主体可以是终端设备。终端设备可以是台式计算机等不可移动式电子设备，也可以是智能手机、智能手表以及PAD等可移动式电子设备。
如图1所示，该终端设备可以包括：处理器1001，例如CPU，通信总线1002，存储器1003，用户接口1004。其中，通讯总线1002用于实现这些组件之间的连接通信。存储器1003可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，如磁盘存储器。存储器1003可选地还可以是独立于前述处理器1001的存储装置。用户接口1004可以包括显示屏(Display)、输入单元比如键盘(Keyboard)。
本领域技术人员可以理解，图1示出的终端设备的结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，用户接口1004主要用于连接客户端(用户端)，与客户端进行数据通信；作为一种计算机存储介质的存储器1003可以包括操作系统以及基于大数据的课程推荐程序。
基于上述终端设备的结构，提出本发明第一实施例，参照图2，图2为本发明基于大数据的课程推荐方法第一实施例的流程示意图，所述基于大数据的课程推荐方法包括以下步骤：
步骤S100，获取用户设置的课程标签以及历史学习课程参数；
步骤S200，根据所述课程标签以及历史学习课程参数确定偏好结果；
步骤S300，推荐所述偏好结果对应的目标课程。
课程标签可以是用户首次使用课程软件中进行设置的，也可以是使用过程中根据需要设置的。课程标签可自定义设置，可以是预先设置的课程的分类类别，如可以是课程类型，如申论、行测、教师资格证、C++等，也可以是细分课程内容，如数量关系、言语理解与表达、逻辑填空等，也可以是学科类型，如心理学、教育学、地理等，在此不一一枚举。
历史学习课程参数为用户之前学习课程的情况，可以是各个历史学习课程的学习次数，完成度，对应的主讲教师等。历史学习课程参数是获取特定时长内用户的学习课程的数据，例如一周内，或者一个月内。历史学习课程参数可反映用户当前的学习状况，以根据用户的学习状况进行调整，获取用户当前的课程偏好。
作为一种可选的实施方式，步骤S100包括：
获取用户设置的课程标签；
根据各个历史学习课程的学习次数、完成度以及对应的主讲教师中的至少一个获取所述历史学习课程参数。
历史学习课程参数可根据用户参与学习的各个历史学习课程的学习次数、完成度以及对应的主讲教师中的至少一个得到。历史学习课程参数包含多个内容时，可分为多个子类，根据各个子类的权重，计算得到一个综合的参数，以计算偏好结果。通过从多方面得到用户当前的学习状况，可以更加精准地获取用户当前的课程需求。
根据课程标签以及历史学习课程参数确定用户的偏好结果，其中，偏好结果为用户对各个课程的喜爱程度，或者是与用户需求的契合度。可将课程标签设置为特定权重以及历史学习课程参数也设置成另一特定权重，通过定量确定用户对课程的偏好结果，以推荐将匹配度高的课程推荐给用户。
在得到用户对课程的偏好结果后，从课程库中筛选出偏好结果匹配度高的课程，可将匹配度排名前几的偏好结果对应的课程作为目标课程推荐给用户。
在本实施例中，通过获取用户设置的课程标签以及历史学习课程参数，根据课程标签以及历史学习课程参数确定用户的课程的偏好结果，根据偏好结果推荐目标课程，通过课程标签确定用户偏好课程的大方向，再结合用户的历史学习课程参数进行调整，以根据用户的当前状态推荐与用户需求匹配的课程，达到缩短用户寻找课程的时间的有益效果。
基于上述第一实施例，参照图3，提出本发明基于大数据的课程推荐方法第二实施例，图3为本发明基于大数据的课程推荐方法第二实施例的流程示意图，步骤S200包括：
步骤S210，获取所述课程标签对应的第一权重以及所述历史学习课程参数对应的第二权重；
步骤S220，根据所述第一权重以及所述第二权重确定所述偏好结果。
在本实施例中，预先设置了偏好结果的计算方法，并设置各个课程标签的预设权重，根据预设权重计算得到课程标签的第一权重；根据预设的历史学习课程参数的预设权重，计算得到历史学习课程参数的第二权重；将第一权重和第二权重带入到预设的偏好结果的计算公式中，确定得到偏好结果。例如，第一权重为0.3，第二权重为0.6，计算得到偏好结果为0.9。再通过搜索偏好结果为0.9的课程，将与偏好结果越接近的课程推荐给用户。
在本实施例中，通过获取课程标签对应的第一权重、历史学习课程参数对应的第二权重，根据第一权重以及第二权重确定偏好结果，通过定量化的数据表示偏好结果，以更加精准的方式反映用户当前对课程的偏好程度的有益效果。
基于上述第二实施例，参照图4，提出本发明基于大数据的课程推荐方法第三实施例，图4为本发明基于大数据的课程推荐方法第三实施例的流程示意图，步骤S200还包括：
步骤S230，获取所述历史学习课程参数的学习阶段对应的第三权重；
步骤S240，根据所述第一权重、所述第二权重以及所述第三权重确定所述偏好结果。
不单单只考虑用户当前选择的学习课程，课程分为基础篇、进阶篇、练习篇，所以，将历史学习课程参数对应的学习阶段也应考虑到位。终端设备获取历史学习课程参数的学习阶段对应的第三权重。根据第一权重、第二终端以及第三权重确定偏好结果，以将用户的学习阶段也考虑到，以提升用户选择课程的契合程度。
在本实施例中，通过获取历史学习课程参数对应的学习阶段，获取历史学习课程参数的学习阶段对应的第三权重，根据第一权重、第二权重以及第三权重确定偏好结果，将用户的学习阶段也纳入到偏好结果中，以根据用户的学习阶段推荐优质的课程，达到提升目标课程与用户需求的契合程度的有益效果。
基于上述第一实施例，参照图5，提出本发明基于大数据的课程推荐方法第四实施例，图5为本发明基于大数据的课程推荐方法第四实施例的流程示意图，步骤S300还包括：
步骤S310，根据所述偏好结果获取关联的课程；
步骤S320，根据所述关联的课程的关联度推荐所述目标课程。
终端设备在获取到用户的偏好结果后，根据偏好结果获取关联的课程。需要说明的是，偏好结果预先与关联的课程关联，每一个偏好结果可对应多个关联的课程，并具有一定的关联度，按照关联度可进行排序，得到关联的课程的清单。根据关联的课程的关联度推荐目标课程，将与偏好结果关联度高的课程作为目标课程推荐给用户，其中，目标课程可包括一个或多个。
可选地，偏好结果可以是定量化的数值。终端设备上预先存储有偏好结果对应的定量化的数值与关联的课程之间的映射表，可以一对多，并按照关联度进行排序，以迅速将目标课程推荐给用户。
在本实施例中，根据偏好结果获取关联的课程，根据关联的课程的关联度推荐目标课程，通过预先设置偏好结果与关联的课程之间的映射表，将关联度高的目标课程推荐给用户，以迅速实现将目标课程推荐给用户的有益效果。
基于上述任一实施例，参照图6，提出本发明基于大数据的课程推荐方法第五实施例，图6为本发明基于大数据的课程推荐方法第五实施例的流程示意图，步骤S300之后，还包括：
步骤S400，获取用户点击所述目标课程的操作次数和/或观看时长；
步骤S500，将所述目标课程的操作次数和/或观看时长输入至预设模型，并获取所述预设模型输出的反馈结果；
步骤S600，根据所述反馈结果调整所述偏好结果对应的目标课程。
在预设时长后，终端设备可获取用户点击目标课程的操作次数，操作次数可以是观看次数。目标课程的观看时长可以是单次的观看时长或累计观看时长。预设模型可以是神经网络模型，为设计人员预先设置的。
将目标课程的操作次数和/或观看时长输入至预设模型，并通过预设模型输出反馈结果。可以理解的是，目标课程的操作次数和/或观看时长可以反映用户对目标课程的偏好程度。点击次数越多，观看时长越长，表明用户对目标课程的需求度越高，推荐的越有效果，反之，亦然。
将操作次数和/或观看时长输入到预设模型，得到预设模型输出的反馈结果，反馈结果可以是匹配程度高、匹配程度适中以及匹配程度低中的一个。
匹配程度高表明偏好结果对应的目标课程比较符合用户的需求，可以不调整，或者在同类之间进行略微调整；匹配程度适中表明推荐的目标课程基本符合用户需求，但需要进一步调整，以更好地满足用户需求；匹配程度低则表明推荐的目标课程不能满足用户需求，需要调整偏好结果对应的目标课程，对推荐的目标课程替换。
进一步地，对于偏好结果对应的目标课程极性调整后，可将调整后的目标课程与偏好结果进行存储，以改进终端设备的工作能效。
作为一种可选的实施方式，步骤S500之后，还包括：
在所述反馈结果为不匹配时，输出选择界面，以供用户通过所述选择界面选择偏好结果对应的目标课程；
推荐用户选择的目标课程。
在预设模型输出的反馈结果为不匹配时，输出选择界面，其中，选择界面上设置有多个目标课程，在目标课程被选择后，会触发终端设备进行存储。
推荐用户选择的目标课程，并将偏好结果与用户选择的目标课程关联保存，以便下次直接推荐该偏好结果对应的切合度最高的目标课程。
通过用户选择可筛选出用户需求的目标课程，将其与偏好结果关联存储可更好地推荐与用户需求匹配的目标课程。
在本实施例中，通过获取用户点击目标课程的操作次数和/或观看时长，将目标课程的操作次数和/或观看时长输入至预设模型，并获取预设模型输出的反馈结果，根据反馈结果调整偏好结果对应的目标课程，通过根据用户对目标课程的实际操作，确认终端设备推荐的目标课程是否满足用户的需求，在匹配度较低或适中时调整偏好结果对应的目标课程，以进一步根据用户的实际情况选择合适的课程推荐给用户。
本发明实施例还提供基于大数据的课程推荐系统，所述系统包括：
课程标签获取模块，用于获取用户设置的课程标签；
偏好结果确定模块，用于根据所述课程标签以及历史学习课程参数确定偏好结果；
目标课程推荐模块，用于推荐所述偏好结果对应的目标课程。
本发明实施例还提供一种移动终端，所述移动终端包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的基于大数据的课程推荐程序，所述基于大数据的课程推荐程序被所述处理器执行时实现如上所述的基于大数据的课程推荐方法的内容。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于大数据的课程推荐程序，所述基于大数据的课程推荐程序被处理器执行时实现如上所述的基于大数据的课程推荐方法的内容。

Claims (10)

1.一种基于大数据的课程推荐方法，其特征在于，所述基于大数据的课程推荐方法包括以下步骤：
获取用户设置的课程标签以及历史学习课程参数；
根据所述课程标签以及历史学习课程参数确定偏好结果；
推荐所述偏好结果对应的目标课程。
2.如权利要求1所述的基于大数据的课程推荐方法，其特征在于，所述获取用户设置的课程标签以及历史学习课程参数的步骤包括：
获取用户设置的课程标签；
根据各个历史学习课程的学习次数、完成度、对应的主讲教师以及课程类型中的至少一个获取所述历史学习课程参数。
3.如权利要求1所述的基于大数据的课程推荐方法，其特征在于，所述根据所述课程标签以及历史学习课程参数确定偏好结果的步骤包括：
获取所述课程标签对应的第一权重以及所述历史学习课程参数对应的第二权重；
根据所述第一权重以及所述第二权重确定所述偏好结果。
4.如权利要求3所述的基于大数据的课程推荐方法，其特征在于，所述获取所述课程标签对应的第一权重以及所述历史学习课程参数对应的第二权重的步骤之后，所述根据所述课程标签以及历史学习课程参数确定偏好结果的步骤还包括：
获取所述历史学习课程参数的学习阶段对应的第三权重；
根据所述第一权重、所述第二权重以及所述第三权重确定所述偏好结果。
5.如权利要求1所述的基于大数据的课程推荐方法，其特征在于，所述推荐所述偏好结果对应的目标课程的步骤包括：
根据所述偏好结果获取关联的课程；
根据所述关联的课程的关联度推荐所述目标课程。
6.如权利要求1所述的基于大数据的课程推荐方法，其特征在于，所述推荐所述偏好结果对应的目标课程的步骤之后，所述基于大数据的课程推荐方法还包括：
获取用户点击所述目标课程的操作次数和/或观看时长；
将所述目标课程的操作次数和/或观看时长输入至预设模型，并获取所述预设模型输出的反馈结果；
根据所述反馈结果调整所述偏好结果对应的目标课程。
7.如权利要求6所述的基于大数据的课程推荐方法，其特征在于，所述将所述目标课程的操作次数和/或观看时长输入至预设模型，并获取所述预设模型输出的反馈结果的步骤之后，还包括：
在所述反馈结果为不匹配时，输出选择界面，以供用户通过所述选择界面选择偏好结果对应的目标课程；
推荐用户选择的目标课程。
8.一种基于大数据的课程推荐系统，其特征在于，所述系统包括：
课程标签获取模块，用于获取用户设置的课程标签；
偏好结果确定模块，用于根据所述课程标签以及历史学习课程参数确定偏好结果；
目标课程推荐模块，用于推荐所述偏好结果对应的目标课程。
9.一种移动终端，其特征在于，所述移动终端包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的基于大数据的课程推荐程序，所述基于大数据的课程推荐程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于大数据的课程推荐方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于大数据的课程推荐程序，所述基于大数据的课程推荐程序被处理器执行时实现如权利要求1至7中任一项所述的基于大数据的课程推荐方法的步骤。
CN202110068232.0A 2021-01-19 2021-01-19 基于大数据的课程推荐方法、系统、移动终端及存储介质 Pending CN112749340A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110068232.0A CN112749340A (zh) 2021-01-19 2021-01-19 基于大数据的课程推荐方法、系统、移动终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110068232.0A CN112749340A (zh) 2021-01-19 2021-01-19 基于大数据的课程推荐方法、系统、移动终端及存储介质

Publications (1)

Publication Number Publication Date
CN112749340A true CN112749340A (zh) 2021-05-04

Family

ID=75652418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110068232.0A Pending CN112749340A (zh) 2021-01-19 2021-01-19 基于大数据的课程推荐方法、系统、移动终端及存储介质

Country Status (1)

Country Link
CN (1) CN112749340A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113656705A (zh) * 2021-08-31 2021-11-16 中国平安财产保险股份有限公司 基于人工智能的课程推荐方法、装置、设备及存储介质
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
CN114722281A (zh) * 2022-04-07 2022-07-08 平安科技（深圳）有限公司 基于用户画像及用户选课行为的培训课程配置方法、装置
CN114896498A (zh) * 2022-05-16 2022-08-12 咪咕文化科技有限公司 课程推荐方法、系统、终端及存储介质
CN115757950A (zh) * 2022-11-15 2023-03-07 读书郎教育科技有限公司 一种基于ai智能推荐的学习系统
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 (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106528656A (zh) * 2016-10-20 2017-03-22 杨瀛 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统
WO2017193709A1 (zh) * 2016-05-12 2017-11-16 深圳市鹰硕技术有限公司 一种互联网教学方法及系统
CN110610404A (zh) * 2019-09-11 2019-12-24 中国联合网络通信集团有限公司 网络课程推荐方法、装置、系统、电子设备、存储介质
CN111428138A (zh) * 2020-03-26 2020-07-17 中国建设银行股份有限公司 一种课程推荐方法、系统、设备及存储介质
CN111460249A (zh) * 2020-02-24 2020-07-28 桂林电子科技大学 一种基于学习者偏好建模的个性化学习资源推荐方法
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017193709A1 (zh) * 2016-05-12 2017-11-16 深圳市鹰硕技术有限公司 一种互联网教学方法及系统
CN106528656A (zh) * 2016-10-20 2017-03-22 杨瀛 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统
CN110610404A (zh) * 2019-09-11 2019-12-24 中国联合网络通信集团有限公司 网络课程推荐方法、装置、系统、电子设备、存储介质
CN111460249A (zh) * 2020-02-24 2020-07-28 桂林电子科技大学 一种基于学习者偏好建模的个性化学习资源推荐方法
CN111428138A (zh) * 2020-03-26 2020-07-17 中国建设银行股份有限公司 一种课程推荐方法、系统、设备及存储介质
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 (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113656705A (zh) * 2021-08-31 2021-11-16 中国平安财产保险股份有限公司 基于人工智能的课程推荐方法、装置、设备及存储介质
CN113656705B (zh) * 2021-08-31 2024-02-20 中国平安财产保险股份有限公司 基于人工智能的课程推荐方法、装置、设备及存储介质
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
CN114722281A (zh) * 2022-04-07 2022-07-08 平安科技（深圳）有限公司 基于用户画像及用户选课行为的培训课程配置方法、装置
CN114722281B (zh) * 2022-04-07 2024-04-12 平安科技（深圳）有限公司 基于用户画像及用户选课行为的培训课程配置方法、装置
CN114896498A (zh) * 2022-05-16 2022-08-12 咪咕文化科技有限公司 课程推荐方法、系统、终端及存储介质
CN115757950A (zh) * 2022-11-15 2023-03-07 读书郎教育科技有限公司 一种基于ai智能推荐的学习系统
CN115757950B (zh) * 2022-11-15 2023-09-26 读书郎教育科技有限公司 一种基于ai智能推荐的学习系统
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
CN112749340A (zh) 基于大数据的课程推荐方法、系统、移动终端及存储介质
CN111178705B (zh) 事项评价方法、装置、设备及存储介质
US7705847B2 (en) Graph selection method
AU2013251195A1 (en) Program, apparatus, and method for information processing
US20190163327A1 (en) Display and analysis system for media content
Çelikbilek et al. Prioritizing the components of e-learning systems by using fuzzy DEMATEL and ANP
CN111506810A (zh) 课程信息推送方法、系统、设备及存储介质
CN109690581A (zh) 用户指导系统及方法
KR20170040065A (ko) 빅데이터를 활용한 개인 맞춤형 온라인 면접 코칭 첨삭 시스템
Cox et al. Croon’s bias-corrected estimation of latent interactions
WO2019078814A1 (en) APPLICATION PAGE ANALYSIS BASED ON HELP CONTENT
CN113313465A (zh) 培训控制方法、装置及计算机可读存储介质
US20150325141A1 (en) Touch-centric Learning and Research System
US20160171608A1 (en) Methods and systems for finding similar funds
CN115578226A (zh) 一种基于大数据的学情分析方法及系统
US20160132827A1 (en) Methods and systems for designing of tasks for crowdsourcing
Gary et al. A tutorial on automatic post-stratification and weighting in conventional and regression-based norming of psychometric tests
Blank The use of the scaling property in a frontier analysis of a system of equations: An application to Dutch secondary education
Mannion Data speaks volumes: evidence-based delivery of library services in a user-centred library
JP6983372B2 (ja) 情報処理装置、情報処理方法、およびプログラム
US20160343013A1 (en) Device and methods for providing a user with business expansion incentives information
Becker et al. Returns to Education in Germany: A variable treatment intensity approach
CN117708298B (zh) 一种用于产品展示的人机交互管理系统及方法
Pickering et al. Why behavioural science matters in extension
AU2021103999A4 (en) Occupation recommendation method, apparatus, device and medium

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