CN113220734A - 课程推荐方法、装置、计算机设备及存储介质 - Google Patents
课程推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113220734A CN113220734A CN202110519853.6A CN202110519853A CN113220734A CN 113220734 A CN113220734 A CN 113220734A CN 202110519853 A CN202110519853 A CN 202110519853A CN 113220734 A CN113220734 A CN 113220734A
- Authority
- CN
- China
- Prior art keywords
- course
- user
- behavior data
- similar
- courses
- 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
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Abstract
本申请实施例属于人工智能领域，涉及一种课程推荐方法、装置、计算机设备及存储介质，其中方法包括：通过获取用户标签；将所述用户标签根据预设的数据字典，生成所述用户的标签向量；计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度；将所述相似度与预设的阈值比较，当所述相似度大于预设的阈值时，确定所述历史对象为所述用户的相似对象；检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；根据所述相似对象的课程学习行为数据向所述用户推荐课程。深度挖掘用户与历史对象的相似度，确定用户的相似对象，根据相似对象的课程学习行为数据推送课程，使课程推荐更有效，提升用户的培训积极性。
Description
技术领域
本申请涉及人工智能技术领域，尤其涉及课程推荐方法、装置、计算机设备及存储介质。
背景技术
随着网络授课的日益普及，越来越多的企业通过在线授课平台对员工进行在线知识培训，以提高员工的综合实力和竞争力。在线授课平台帮助企业随时随地高效员工培训,解决企业人才内训瓶颈,帮助员工实现能力提升,助力企业业务发展。然而，现阶段大部分的企业在线知识培训平台不具有为员工智能推荐学习课程的功能，员工只是单调地学习平台系统管理员在后台手动推送的课程，这种学习方式使员工处于被动的状态，他们通常无法学习自己真正感兴趣的课程。
发明内容
本申请实施例的目的在于提出一种课程推荐方法、装置、计算机设备及存储介质，以解决用户对手动推送的课程不感兴趣的问题。
为了解决上述技术问题，本申请实施例提供一种课程推荐方法，采用了如下所述的技术方案：
获取用户标签；
将所述用户标签根据预设的数据字典，生成所述用户的标签向量；
计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；
将所述相似度与预设的阈值比较，当所述相似度大于预设的阈值时，确定所述历史对象为所述用户的相似对象；
检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；
根据所述相似对象的课程学习行为数据向所述用户推荐课程。
进一步的，所述相似对象的课程学习行为数据包含课程收藏记录，所述根据所述相似对象的课程学习行为数据向所述用户推荐课程的步骤包括：
根据所述课程收藏记录，计算各课程被所述相似对象收藏的次数；
将各课程按被所述相似对象收藏的次数排序，确定排序前M个课程为所述用户的推荐课程。
进一步的，所述相似对象的课程学习行为数据包含课程点击记录，所述根据所述相似对象的课程学习行为数据向所述用户推荐课程的步骤包括：
根据所述课程点击记录，计算各课程被所述相似对象点击的次数；
将各课程按被相似对象点击的次数排序，确定排序前M个课程为所述用户的推荐课程。
进一步的，所述相似对象的课程学习行为数据包含课程播放记录，所述根据所述相似对象的课程学习行为数据向所述用户推荐课程的步骤包括：
根据所述课程播放记录，计算各课程被所述相似对象播放的时长；
将各课程按被相似对象播放的时长排序，确定排序前M个课程为所述用户的推荐课程。
进一步的，在所述获取用户标签的步骤中还包括：
获取用户输入的喜好标签。
进一步的，在所述获取用户标签的步骤之后，还包括：
将所述用户标签存储至区块链中。
为了解决上述技术问题，本申请实施例还提供一种课程推荐装置，采用了如下所述的技术方案：
获取模块，用于获取用户标签；
生成模块，用于将所述用户标签根据预设的数据字典，生成所述用户的标签向量；
计算模块，用于计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；
确定模块，用于将所述相似度与预设的阈值比较，当所述相似度大于预设的阈值时，确定所述历史对象为所述用户的相似对象；
检索模块，用于检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；
推荐模块，用于根据所述相似对象的课程学习行为数据向所述用户推荐课程。
进一步的，所述相似对象的课程学习行为数据包含课程收藏记录，所述推荐模块中还包括：
第二计算子模块，用于根据所述课程收藏记录，计算各课程被所述相似对象收藏的次数；
第一推荐子模块，用于将各课程按被所述相似对象收藏的次数排序，确定排序前M个课程为所述用户的推荐课程。
进一步的，所述相似对象的课程学习行为数据包含课程点击记录，所述推荐模块中还包括：
第三计算子模块，用于根据所述课程点击记录，计算各课程被所述相似对象点击的次数；
第二推荐子模块，用于将各课程按被相似对象点击的次数排序，确定排序前M个课程为所述用户的推荐课程。
进一步的，所述相似对象的课程学习行为数据包含课程播放记录，所述推荐模块中还包括：
第四计算子模块，用于根据所述课程播放记录，计算各课程被所述相似对象播放的时长；
第三推荐子模块，用于将各课程按被相似对象播放的时长排序，确定排序前M个课程为所述用户的推荐课程。
进一步的，获取模块中还包括：
第一获取子模块，用于获取用户输入的喜好标签。
进一步的，所述课程推荐装置还包括：
第一存储子模块，用于将所述用户标签存储至区块链中。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，处理器执行计算机可读指令时实现如上述课程推荐方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
一种计算机可读存储介质，计算机可读存储介质上存储有计算机可读指令，计算机可读指令被处理器执行时实现如上述课程推荐方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：通过获取用户标签；计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；根据相似度，确定所述历史对象为所述用户的相似对象；检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；根据相似对象的课程学习行为数据向所述用户推荐课程。深度挖掘用户与历史对象的相似度，确定用户的相似对象，根据相似对象的课程学习行为数据推送课程，使课程推荐更有效，提升用户的培训积极性。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的课程推荐方法的一个实施例的流程图；
图3是根据本申请的课程推荐装置的一个实施例的结构示意图；
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的课程推荐方法一般由服务器/终端设备执行，相应地，课程推荐装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的课程推荐的方法的一个实施例的流程图。所述的课程推荐方法，包括以下步骤：
步骤S201，获取用户标签；。
在本实施例中，课程推荐方法运行于其上的电子设备(例如图1所示的服务器/终 端设备)可以通过有线连接方式或者无线连接方式接收用户标签。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
用户标签指正在使用在线授课平台的用户的标签。这里的标签指包含用户多方面信息的集合，例如标签包含用户的职位、所属部门、专业、喜好等，其中用户的职位、所属部门、专业可根据用户ID检索预设的用户信息数据库获取，用户的喜好可通过可交互的界面获取。
步骤S202，将所述用户标签根据预设的数据字典，生成所述用户的标签向量。
在本实施例中，预设数据字典，使用one-hot编码，例如当前用户的标签向量为Ci＝{l1,l2…ln}，n为数据字典中的标签总数量，对应数据字典，即存在标签n，为1，不存在标签n，为0。
步骤S203，计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据。
在本实施例中，计算用户的标签向量与历史对象的标签向量之间的相似度。历史对象的标签向量预存于历史对象数据库中,历史对象数据库为预设的保存历史对象标签向量和历史对象课程学习行为数据的数据库，其中历史对象标签和历史对象课程学习行为数据一一对应。向量之间的相似度的计算可以采用余弦距离、欧氏距离、曼哈顿距离。
步骤S204，将所述相似度与预设的阈值比较，当所述相似度大于预设的阈值时，确定所述历史对象为所述用户的相似对象。
在本实施例中，将根据用户的标签向量与历史对象的标签向量计算出的相似度与预设的预设的阈值比较，当相似度大于预设的阈值时，确定所述历史对象为所述用户的相似对象，通过该步骤确定的相似对象可以为多个。
步骤S205，检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据。
在本实施例中，根据上述步骤S204确定的所述用户的相似对象，检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据。历史对象的课程学习行为数据为包含历史对象的课程搜索行为数据、课程点击播放记录、课程收藏记录等，历史对象的课程学习行为数据通过采集历史用户的课程学习行为获取，保存在历史对象数据库中，与历史对象标签一一对应。
步骤S206，根据所述相似对象的课程学习行为数据向所述用户推荐课程。
在本实施例中,根据相似对象的课程学习行为数据推荐课程，相似对象的课程学习行为数据为包含相似对象的课程搜索行为数据、课程点击播放数据、课程收藏记录等。例如，将被相似对象收藏次数最多的课程向所述用户推荐。
本申请通过获取用户标签；计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；根据相似度，确定所述历史对象为所述用户的相似对象；检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；根据相似对象的课程学习行为数据向所述用户推荐课程。深度挖掘用户与历史对象的相似度，确定用户的相似对象，根据相似对象的课程学习行为数据推送课程，使课程推荐更有效，提升用户的培训积极性。
在本实施例的一些可选的实现方式中，在步骤S201中，上述电子设备还可以执行以下步骤：
获取用户输入的喜好标签。
在本实施例中，用户通过可交互的界面在预设的所有备选喜好标签中选择喜好标签，喜好标签可以是用户初次使用在线授课平台时进行新用户注册时选择的喜好标签，也可以是在使用在线授课平台的过程中新增的喜好标签。
动态的获取用户输入的喜好标签，使用kafka消息中间件技术，针对动态数据流的海量数据接收进行并行调优，并设置合理的批处理间隔(batch interval)、块间隔(blockinterval)、滑动窗口大小(window length)以及滑动间隔(sliding interval)。例如集群中每台计算机的CPU核心数为10，则设置batch interval为2s，block interval为200ms，这样每个batch对应的task数量是2s/200ms＝10个，以充分利用每个CPU核心，不损失计算性能。此外还需要监测每个batch的处理时间，保证处理时间与批处理间隔基本保持一致，以保证应用的运行稳定性。对于滑动窗口大小(window length)和滑动间隔(slidinginterval)的设置，应遵循为batch interval整数倍的原则进行设置，并根据实际应用场景进行调优。
本申请通过获取用户输入的喜好标签，使推荐的课程更有针对性。
在一些可选的实现方式中，步骤S204中，上述电子设备可以执行以下步骤：
根据曼哈顿距离计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度。
曼哈顿距离是两个点在标准坐标系上的绝对轴距总和。曼哈顿距离不同于欧氏距离，欧氏距离表示几何空间中两个点之间的直线距离，在本发明中，由于当前用户的标签向量与历史对象的标签向量中的对应的元素具有相同的含义，采用曼哈顿距离衡量相似度更能体现两个个体之间的差异。
曼哈顿距离的计算公式为：
其中lik为当前用户的标签向量Ci中的元素，ljk为历史对象的标签向量Cj中的元素。
在一些可选的实现方式中，相似对象的课程学习行为数据包含课程收藏记录，步骤S206中，上述电子设备可以执行以下步骤：
根据所述课程收藏记录，计算各课程被所述相似对象收藏的次数；
将各课程按被所述相似对象收藏的次数排序，确定排序前M个课程为所述用户的推荐课程。
在本实施例中，当用户的相似对象为多个时，根据所述多个相似对象的课程学习行为数据中的课程收藏记录，将同时被多个相似对象收藏的课程推荐给用户，即对课程的被收藏次数排序，取排序靠前的M个课程推荐给用户。
在一些可选的实现方式中，相似对象的课程学习行为数据包含课程点击记录，步骤S206中，上述电子设备可以执行以下步骤：
根据所述课程点击记录，计算各课程被所述相似对象点击的次数；
将各课程按被相似对象点击的次数排序，确定排序前M个课程为所述用户的推荐课程。
在本实施例中，用户的相似对象为多个时，根据相似对象的课程学习行为数据中的课程点击记录，将被点击次数最多的前M个课程推荐给用户。
在一些可选的实现方式中，相似对象的课程学习行为数据包含课程播放记录，步骤S206中，上述电子设备可以执行以下步骤：
根据所述课程播放记录，计算各课程被所述相似对象播放的时长；
将各课程按被相似对象播放的时长排序，确定排序前M个课程为所述用户的推荐课程。
在本实施例中，根据相似对象的课程学习行为数据中的课程播放记录，将播放时长最长的前M个课程推荐给用户。
需要强调的是，为进一步保证上述用户标签的私密和安全性，上述用户标签还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3，作为对上述图2所示方法的实现，本申请提供了一种课程推荐装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例所述的课程推荐装置300包括：获取模块301、生成模块302、计算模块303、确定模块304、检索模块305以及推荐模块306。其中：
获取模块301用于获取模块，用于获取用户标签；
生成模块302用于将所述用户标签根据预设的数据字典，生成所述用户的标签向量；
计算模块303用于计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；
确定模块304用于将所述相似度与预设的阈值比较，当所述相似度大于预设的阈值时，确定所述历史对象为所述用户的相似对象；
检索模块305用于检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；
推荐模块306用于根据所述相似对象的课程学习行为数据向所述用户推荐课程。
在本实施例中，通过获取用户标签；计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；根据相似度，确定所述历史对象为所述用户的相似对象；检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；根据相似对象的课程学习行为数据向所述用户推荐课程。深度挖掘用户与历史对象的相似度，确定用户的相似对象，根据相似对象的课程学习行为数据推送课程，使课程推荐更有效，提升用户的培训积极性。
在本实施例的一些可选的实现方式中，获取模块301中还包括：
第一获取子模块，用于获取用户输入的喜好标签。
在本实施例的一些可选的实现方式中，所述相似对象的课程学习行为数据包含课程收藏记录，推荐模块306中还包括：
第二计算子模块，用于根据所述课程收藏记录，计算各课程被所述相似对象收藏的次数；
第一推荐子模块，用于将各课程按被所述相似对象收藏的次数排序，确定排序前M个课程为所述用户的推荐课程。
在本实施例的一些可选的实现方式中，所述相似对象的课程学习行为数据包含课程点击记录，推荐模块306中还包括：
第三计算子模块，用于根据所述课程点击记录，计算各课程被所述相似对象点击的次数；
第二推荐子模块，用于将各课程按被相似对象点击的次数排序，确定排序前M个课程为所述用户的推荐课程。
在本实施例的一些可选的实现方式中，所述相似对象的课程学习行为数据包含课程播放记录，推荐模块306中还包括：
第四计算子模块，用于根据所述课程播放记录，计算各课程被所述相似对象播放的时长；
第三推荐子模块，用于将各课程按被相似对象播放的时长排序，确定排序前M个课程为所述用户的推荐课程。
在本实施例的一些可选的实现方式中，课程推荐装置300还包括：
第一存储子模块，用于将所述用户标签存储至区块链中。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备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。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4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(FlashCard)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如课程推荐方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述课程推荐方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
通过获取用户标签；计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；根据相似度，确定所述历史对象为所述用户的相似对象；检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；根据相似对象的课程学习行为数据向所述用户推荐课程。深度挖掘用户与历史对象的相似度，确定用户的相似对象，根据相似对象的课程学习行为数据推送课程，使课程推荐更有效，提升用户的培训积极性。
本申请还提供了另一种实施方式，即提供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可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的课程推荐方法的步骤。
通过获取用户标签；计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；根据相似度，确定所述历史对象为所述用户的相似对象；检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；根据相似对象的课程学习行为数据向所述用户推荐课程。深度挖掘用户与历史对象的相似度，确定用户的相似对象，根据相似对象的课程学习行为数据推送课程，使课程推荐更有效，提升用户的培训积极性。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
Claims (10)
1.一种课程推荐方法，其特征在于，包括下述步骤：
获取用户标签；
将所述用户标签根据预设的数据字典，生成所述用户的标签向量；
计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；
将所述相似度与预设的阈值比较，当所述相似度大于预设的阈值时，确定所述历史对象为所述用户的相似对象；
检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；
根据所述相似对象的课程学习行为数据向所述用户推荐课程。
2.根据权利要求1所述的课程推荐方法，其特征在于，所述相似对象的课程学习行为数据包含课程收藏记录，所述根据所述相似对象的课程学习行为数据向所述用户推荐课程的步骤包括：
根据所述课程收藏记录，计算各课程被所述相似对象收藏的次数；
将各课程按被所述相似对象收藏的次数排序，确定排序前M个课程为所述用户的推荐课程。
3.根据权利要求1所述的课程推荐方法，其特征在于，所述相似对象的课程学习行为数据包含课程点击记录，所述根据所述相似对象的课程学习行为数据向所述用户推荐课程的步骤包括：
根据所述课程点击记录，计算各课程被所述相似对象点击的次数；
将各课程按被相似对象点击的次数排序，确定排序前M个课程为所述用户的推荐课程。
4.根据权利要求1所述的课程推荐方法，其特征在于，所述相似对象的课程学习行为数据包含课程播放记录，所述根据所述相似对象的课程学习行为数据向所述用户推荐课程的步骤包括：
根据所述课程播放记录，计算各课程被所述相似对象播放的时长；
将各课程按被相似对象播放的时长排序，确定排序前M个课程为所述用户的推荐课程。
5.根据权利要求1所述的课程推荐方法，其特征在于，所述获取用户标签的步骤，具体包括：
获取用户输入的喜好标签。
6.根据权利要求1所述的课程推荐方法，其特征在于，在所述获取用户标签的步骤之后，还包括：
将所述用户标签存储至区块链中。
7.一种课程推荐装置，其特征在于，包括：
获取模块，用于获取用户标签；
生成模块，用于将所述用户标签根据预设的数据字典，生成所述用户的标签向量；
计算模块，用于计算所述用户的标签向量与预设的历史对象数据库中各历史对象的标签向量之间的相似度，其中，所述预设的历史对象数据库预存历史对象的标签向量以及对应的课程学习行为数据；
确定模块，用于将所述相似度与预设的阈值比较，当所述相似度大于预设的阈值时，确定所述历史对象为所述用户的相似对象；
检索模块，用于检索预设的历史对象数据库，获得所述相似对象的课程学习行为数据；
推荐模块，用于根据所述相似对象的课程学习行为数据向所述用户推荐课程。
8.根据权利要求7所述的课程推荐装置，其特征在于，所述相似对象的课程学习行为数据包含课程收藏记录，所述推荐模块中还包括：
第二计算子模块，用于根据所述课程收藏记录，计算各课程被所述相似对象收藏的次数；
第一推荐子模块，用于将各课程按被所述相似对象收藏的次数排序，确定排序前M个课程为所述用户的推荐课程。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述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计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至6中任一项所述的课程推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110519853.6A CN113220734A (zh) | 2021-05-13 | 2021-05-13 | 课程推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110519853.6A CN113220734A (zh) | 2021-05-13 | 2021-05-13 | 课程推荐方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113220734A true CN113220734A (zh) | 2021-08-06 |
Family
ID=77095488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110519853.6A Pending CN113220734A (zh) | 2021-05-13 | 2021-05-13 | 课程推荐方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113220734A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113672722A (zh) * | 2021-08-20 | 2021-11-19 | 中国平安财产保险股份有限公司 | 线上课程智能推荐方法、装置、电子设备及存储介质 |
| CN113724040A (zh) * | 2021-08-17 | 2021-11-30 | 卓尔智联(武汉)研究院有限公司 | 课程推荐方法、电子设备及存储介质 |
| CN114357323A (zh) * | 2022-03-19 | 2022-04-15 | 深圳市启程教育科技有限公司 | 基于外贸人才用课程推荐系统及方法 |
| CN114969545A (zh) * | 2022-06-16 | 2022-08-30 | 江苏智慧智能软件科技有限公司 | 一种心理健康课程个性化智能推荐系统及方法 |
| WO2023134496A1 (zh) * | 2022-01-14 | 2023-07-20 | 京东方科技集团股份有限公司 | 对象推荐方法、装置、电子设备以及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109660591A (zh) * | 2018-11-02 | 2019-04-19 | 北京奇虎科技有限公司 | 个性化新闻的自动推送方法、装置和计算设备 |
| CN110659388A (zh) * | 2019-10-10 | 2020-01-07 | 北京奇艺世纪科技有限公司 | 一种待推荐信息筛选方法、装置、电子设备及存储介质 |
| CN112214670A (zh) * | 2020-10-09 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 一种在线课程推荐方法、装置、电子设备及存储介质 |
-
2021
- 2021-05-13 CN CN202110519853.6A patent/CN113220734A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109660591A (zh) * | 2018-11-02 | 2019-04-19 | 北京奇虎科技有限公司 | 个性化新闻的自动推送方法、装置和计算设备 |
| CN110659388A (zh) * | 2019-10-10 | 2020-01-07 | 北京奇艺世纪科技有限公司 | 一种待推荐信息筛选方法、装置、电子设备及存储介质 |
| CN112214670A (zh) * | 2020-10-09 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 一种在线课程推荐方法、装置、电子设备及存储介质 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113724040A (zh) * | 2021-08-17 | 2021-11-30 | 卓尔智联(武汉)研究院有限公司 | 课程推荐方法、电子设备及存储介质 |
| CN113724040B (zh) * | 2021-08-17 | 2023-11-28 | 卓尔智联(武汉)研究院有限公司 | 课程推荐方法、电子设备及存储介质 |
| CN113672722A (zh) * | 2021-08-20 | 2021-11-19 | 中国平安财产保险股份有限公司 | 线上课程智能推荐方法、装置、电子设备及存储介质 |
| CN113672722B (zh) * | 2021-08-20 | 2023-08-22 | 中国平安财产保险股份有限公司 | 线上课程智能推荐方法、装置、电子设备及存储介质 |
| 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 |
| WO2023134496A1 (zh) * | 2022-01-14 | 2023-07-20 | 京东方科技集团股份有限公司 | 对象推荐方法、装置、电子设备以及存储介质 |
| CN114357323A (zh) * | 2022-03-19 | 2022-04-15 | 深圳市启程教育科技有限公司 | 基于外贸人才用课程推荐系统及方法 |
| CN114969545A (zh) * | 2022-06-16 | 2022-08-30 | 江苏智慧智能软件科技有限公司 | 一种心理健康课程个性化智能推荐系统及方法 |
| CN114969545B (zh) * | 2022-06-16 | 2023-10-13 | 江苏智慧智能软件科技有限公司 | 一种心理健康课程个性化智能推荐系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113220734A (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
| CN113127633B (zh) | 智能会议管理方法、装置、计算机设备及存储介质 | |
| CN112863683B (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
| CN112395390B (zh) | 意图识别模型的训练语料生成方法及其相关设备 | |
| CN113761577A (zh) | 一种大数据脱敏的方法、装置、计算机设备及存储介质 | |
| CN113886721B (zh) | 个性化兴趣点推荐方法、装置、计算机设备及存储介质 | |
| CN112434746B (zh) | 基于层次化迁移学习的预标注方法及其相关设备 | |
| CN112507141A (zh) | 调查任务生成方法、装置、计算机设备及存储介质 | |
| CN112598039A (zh) | 获取nlp分类领域阳性样本方法及相关设备 | |
| CN111143568A (zh) | 一种论文分类时的缓冲方法、装置、设备及存储介质 | |
| CN113283759B (zh) | 账户风险画像更新方法、装置、设备及存储介质 | |
| CN113065354B (zh) | 语料中地理位置的识别方法及其相关设备 | |
| CN112085566B (zh) | 基于智能决策的产品推荐方法、装置及计算机设备 | |
| CN112528040B (zh) | 基于知识图谱的引导教唆语料的检测方法及其相关设备 | |
| CN114398477A (zh) | 基于知识图谱的政策推荐方法及其相关设备 | |
| CN114637831A (zh) | 基于语义分析的数据查询方法及其相关设备 | |
| CN113743721A (zh) | 营销策略生成方法、装置、计算机设备及存储介质 | |
| CN112396111A (zh) | 文本意图分类方法、装置、计算机设备及存储介质 | |
| CN112395450A (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
| CN112084408A (zh) | 名单数据筛选方法、装置、计算机设备及存储介质 | |
| CN112002352A (zh) | 随机播放音乐方法、装置、计算机设备及存储介质 | |
| CN113792549B (zh) | 一种用户意图识别的方法、装置、计算机设备及存储介质 | |
| CN113590935B (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
| CN116911304B (zh) | 一种文本推荐方法及装置 | |
| CN112949317B (zh) | 文本语义识别方法、装置、计算机设备及存储介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210806 |
|
| WD01 | Invention patent application deemed withdrawn after publication |