CN114819898A - 职业答题数据的处理方法、装置、电子设备及存储介质 - Google Patents
职业答题数据的处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114819898A CN114819898A CN202210440118.0A CN202210440118A CN114819898A CN 114819898 A CN114819898 A CN 114819898A CN 202210440118 A CN202210440118 A CN 202210440118A CN 114819898 A CN114819898 A CN 114819898A
- Authority
- CN
- China
- Prior art keywords
- preset
- target
- answer
- professional
- route
- 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.)
- Withdrawn
Links
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供了一种职业答题数据的处理方法、装置、电子设备及存储介质,该方法包括:获取目标用户针对目标行业的职业答题数据;基于所述职业答题数据,确定所述目标用户针对所有预设知识点的目标答题特征值,所述职业答题数据包括两个以上所述预设知识点对应的答题信息;确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度,以得到每种所述预设职业路线的匹配度,所述预设职业路线为预先设定的与所述目标行业匹配的职业路线;在所有所述预设职业路线中,选取所述匹配度最高的所述预设职业路线作为目标职业路线;生成所述目标职业路线的推荐信息。能够推荐适合用户的职业路线。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种职业答题数据的处理方法、装置、电子设备及存储介质。
背景技术
在推荐职业时,可以针对用户的职业答题数据进行处理以推荐相应职业。相关技术在进行推荐时,主要是针对还未明确行业的人,结合其兴趣爱好、沟通能力、规划能力等综合性能力进行评估,推荐其适合的行业,这种推荐方式推荐的行业覆盖范围较为宽泛,比如,推荐医生、教师、销售等等。这种方式可以针对具有某些能力的人群推荐该能力相匹配的行业,但是,即便是同一个行业内的人,每个人之间的职业发展仍然存在差异,仅有宽泛的行业信息无法推荐适合用户的职业路线。
发明内容
本申请的一个目的在于提出一种职业答题数据的处理方法、职业答题数据的处理装置、电子设备及计算机可读存储介质,能够推荐用户适合的职业路线。
根据本申请实施例的一方面,公开了一种职业答题数据的处理方法,所述方法包括:
获取目标用户针对目标行业的职业答题数据;
基于所述职业答题数据,确定所述目标用户针对所有预设知识点的目标答题特征值,所述职业答题数据包括两个以上所述预设知识点对应的答题信息;
确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度,以得到每种所述预设职业路线的匹配度,所述预设职业路线为预先设定的与所述目标行业匹配的职业路线;
在所有所述预设职业路线中,选取所述匹配度最高的所述预设职业路线作为目标职业路线;
生成所述目标职业路线的推荐信息。
根据本申请实施例的一方面,公开了一种职业答题数据的处理装置,所述职业答题数据的处理装置包括:
获取模块,用于获取目标用户针对目标行业的职业答题数据;
第一确定模块,用于基于所述职业答题数据,确定所述目标用户针对所有预设知识点的目标答题特征值,所述职业答题数据包括两个以上所述预设知识点对应的答题信息;
第二确定模块,用于确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度,以得到每种所述预设职业路线的匹配度,所述预设职业路线为预先设定的与所述目标行业匹配的职业路线;
选取模块,用于在所有所述预设职业路线中,选取所述匹配度最高的所述预设职业路线作为目标职业路线;
生成模块,用于生成所述目标职业路线的推荐信息。
在本申请的一示例性实施例中,所述第一确定模块配置为:
提取所述职业答题数据中每个所述预设知识点的答题时长;
基于所述职业答题数据中针对每个所述预设知识点的答题内容,与每个所述预设知识点的基准内容进行比对,得到每个所述预设知识点的正确率;
基于每个所述预设知识点的答题时长以及每个所述预设知识点的正确率,计算每个所述预设知识点的评分值;
基于所有所述预设知识点的所述评分值,确定所述目标用户针对所有所述预设知识点的目标答题特征值。
在本申请的一示例性实施例中,所述生成模块配置为:
获取所述目标职业路线所匹配的参考知识点;
基于所述评分值最低的预设数量个所述预设知识点,在所述参考知识点中选取所述目标用户的第一薄弱知识点;
获取所述第一薄弱知识点的第一课程信息;
生成包括所述第一课程信息以及目标职业路线类型的所述推荐信息。
在本申请的一示例性实施例中,所述生成模块配置为:
获取所述目标职业路线所匹配的参考知识点;
获取所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值;
基于所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值,确定所述目标用户针对每个所述参考知识点的答题评分变化趋势;
按照每个所述答题评分变化趋势,在所有所述参考知识点中,确定呈现下降趋势的所述参考知识点作为第二薄弱知识点;
获取所述第二薄弱知识点的第二课程信息;
生成包括所述第二课程信息以及目标职业路线类型的所述推荐信息。
在本申请的一示例性实施例中,所述第二确定模块配置为:
将所述目标答题特征值输入至线性回归模型,并分别将每个所述预设职业路线对应的预设答题特征值输入至所述线性回归模型,得到每个所述预设职业路线的预设答题特征值的对应的输出信息;
分别根据每个所述预设职业路线的预设答题特征值的对应的输出信息,确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度。
在本申请的一示例性实施例中,所述获取模块配置为:
基于所述目标用户所在的行业,确定所述目标行业;
获取与所述目标行业相匹配的职业测试题;
向所述目标用户的用户设备推送所述职业测试题;
获取所述用户设备针对所述职业测试题返回的所述职业答题数据。
在本申请的一示例性实施例中,所述生成模块还配置为:
向所述目标用户关联的用户设备发送所述推荐信息,所述推荐信息中包括所述目标职业路线的描述信息,所述描述信息包括专业技术路线信息或者行政管理路线信息。
根据本申请实施例的一方面,公开了一种电子设备,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时,使得所述电子设备实现上述各种可选实现方式中提供的方法。
根据本申请实施例的一方面,公开了一种计算机程序介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行上述各种可选实现方式中提供的方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
本申请实施例中,基于目标行业的职业答题数据进行处理,得到针对多个知识点的答题特征值,进一步通过多个知识点的答题特征值,与目标行业内每种职业路线的答题特征值进行匹配,得到行业内最匹配的职业路线,能够有效地得到与目标行业相匹配的用户所适合的职业路线,更精细化地推荐用户适合的职业路线。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本申请。
附图说明
通过参考附图详细描述其示例实施例,本申请的上述和其它目标、特征及优点将变得更加显而易见。
图1示出了根据本申请一个实施例的职业答题数据的处理方法的流程图;
图2示出了根据本申请一个实施例的职业答题数据的处理方法的流程图;
图3示出了根据本申请一个实施例的职业答题数据的处理方法的流程图;
图4示出了根据本申请一个实施例的职业答题数据的处理装置的架构示意图;
图5示出了根据本申请一个实施例的电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些示例实施方式使得本申请的描述将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本申请的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中,提供许多具体细节从而给出对本申请的示例实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、步骤等。在其它情况下,不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本申请的各方面变得模糊。
附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了本申请一实施例的职业答题数据的处理方法的流程图。该方法包括:
步骤S101:获取目标用户针对目标行业的职业答题数据;
目标用户是需要进行职业路线推荐的用户。目标行业是目标用户有关的行业,比如,目标行业可以是目标用户所在的行业,或者,目标行业可以是目标用户意愿从事的行业,或者,目标行业可以是目标用户有所了解的行业。职业答题数据是用户针对题目进行回答所得到的数据,职业答题数据中包括用户针对题目作出的答案。
作为一种可选的实施方式,获取目标用户针对目标行业的职业答题数据,包括:基于所述目标用户所在的行业,确定所述目标行业;获取与所述目标行业相匹配的职业测试题;向所述目标用户的用户设备推送所述职业测试题;获取所述用户设备针对所述职业测试题返回的所述职业答题数据。
作为一种可选的实施方式,可以从目标用户所在公司的系统数据库中,获取目标用户所在行业的行业标签,并基于该行业标签对应的预设行业得到目标行业,行业标签对应的预设行业可以是与行业标签的名称完全相同的行业,或者,若检测到该行业标签的名称与每个预设行业的名称均不完全相同,则选择一个与该行业标签最接近的预设行业作为目标行业,或者,事先为每个预设行业关联多个名称,并基于多个名称与该行业标签的匹配程度确定最匹配的预设行业作为目标行业。
作为一种可选的实施方式,可以向目标用户所使用的用户设备推送多个预设行业,并供目标用户在多个预设行业中选取其所在行业作为目标行业。
作为一种可选的实施方式,职业测试题的题目内容可以按照该行业内不同职业路线所需的能力进行设定。职业测试题的题目可以包括用于评价对该行业内预设知识点的了解程度的题目。预设知识点可以是与目标行业相关的各类知识点。在一场景中,针对计算机编程行业,预设知识点可以包括编程技术的各类知识点以及编程协作能力的各类知识点,编程协作能力指在与其它人员协作以完成特定编程内容的能力,其它人员例如测试工程师、设计师、产品经理等。在另一场景中,针对保险代理人行业,预设知识点可以包括对保险基础知识、相关法规的知识以及保险代理量的影响因素等知识点,保险代理量的影响因素可以包括疫情、客户所在地区、用户购买成本等。不同疫情情况、客户所在地区以及用户购买成本可能会影响到客户购买保险的需求,进而影响代理量,而代理量则可以用于评价保险代理人的业务能力,从而对该部分预设知识点的了解程度对于保险代理人的职业路线具有较高的相关性。业务能力较强的职业路线可以是业务路线,而相对更熟悉各类基础知识以及相关法规的人员可能专业能力较强,适合于专业路线,在此基础上,结合实际情况,也可以进一步划分专业技术路线和行政管理路线。基于上述不同行业场景下,职业测试题的具体设置方式的不同,可以得到,在设置职业测试题的题目内容的过程中,可以根据具体的行业要求,设置针对相应预设知识点的题目,因而预设知识点的具体内容本实施例不做限定。职业答题数据中所包含的针对职业测试题所做出的回答的内容也不做具体限定。
作为一种可选的实施方式,可以定时向目标用户所关联的用户设备推送目标行业的职业测试题,并获取针对该职业测试题返回的职业答题数据。
作为一种可选的实施方式,可以根据目标用户通过用户设备触发的答题请求,向目标用户的用户设备推送职业测试题,并获取针对该职业测试题返回的职业答题数据。
作为一种可选的实施方式,基于目标用户意愿从事的行业,确定目标行业,此时,可以通用户所使用的用户设备获取用户意愿从事行业的信息,基于该信息确定目标行业。确定目标行业后,向用户推送目标行业的职业测试题,并获取针对该职业测试题返回的职业答题数据。
步骤S102:基于所述职业答题数据,确定所述目标用户针对所有预设知识点的目标答题特征值,所述职业答题数据包括两个以上所述预设知识点对应的答题信息;
预设知识点是预先设定的与目标行业对应的知识点。目标答题特征值是针对预设知识点的答题结果进行量化及编码后得到的特征信息。每个预设知识点均具有对应的目标答题特征值。每个预设知识点存在与之对应的答题信息。
作为一种可选的实施方式,基于每个预设知识点对应的答题信息,以及该预设知识点的基准答案进行比较,得到针对每个预设知识点的评价值,将该评价值编码为目标答题特征值。评价值可以是正确率。针对每个预设知识点,其对应的正确率在0和1之间。在一场景中,职业测试题是选择题形式,答题信息是具体的选项,则可以根据答题信息以及基准答案,确定选择正确选项的数量、选择错误选项的数量以及基准的正确选项的数量,若选择错误选项的数量不为0,则该预设知识点的正确率为0,若选择错误选项的数量为0,则根据选择正确选项的数量以及基准的正确选项的数量的比值,确定正确率。在另一场景中,职业测试题是问答题,需要目标用户使用自然语言作答得到答题信息,此时,针对每个预设知识点的答题信息,可以从答题信息中提取关键词,并将所提取的关键词,与基准的关键词进行比较,确定正确关键词,并确定正确关键词的数量以及基准关键词的数量之间的比值,基于该比值确定正确率;或者,也可以采用人工方式确定正确率。
步骤S103:确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度,以得到每种所述预设职业路线的匹配度,所述预设职业路线为预先设定的与所述目标行业匹配的职业路线;
预设答题特征值是预先设定的与预设知识点相对应的答题结果的量化特征值。不同预设职业路线所要求的知识点不同,从而针对同一个预设知识点,不同预设职业路线对应的预设答题特征值可能存在不同。若预先针对每个预设职业路线,设定其所对应的每个预设知识点的预设答题特征值,则可以得到该预设职业路线所需求掌握的知识点,通过计算目标答题特征值与每个预设职业路线的预设答题特征值的匹配度,则可以得到目标用户实际掌握的知识点最匹配的预设职业路线,从而确定目标职业路线。
作为一种可选的实施方式,按照如下方式确定匹配度:将所述目标答题特征值输入至线性回归模型,并分别将每个所述预设职业路线对应的预设答题特征值输入至所述线性回归模型,得到每个所述预设职业路线的预设答题特征值的对应的输出信息;分别根据每个所述预设职业路线的预设答题特征值的对应的输出信息,确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度。线性回归模型主要涉及回归性算法。
作为一种可选的实施方式,还可以采用对数似然相似度算法,计算目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度。此外,计算特征之间的匹配度的算法存在多种,也可以选择其他算法确定匹配度,本实施例不作具体限定。
作为一种可选的实施方式,预设职业路线包括专业技术路线和行政管理路线。
作为一种可选的实施方式,预设职业路线包括专业路线和业务路线。
作为一种可选的实施方式,预设职业路线包括学术路线和技术路线,其中,学术路线强调理论研究,技术路线强调技术应用。此外,可以结合行业的特定需求,划分多个预设职业路线。
步骤S104:在所有所述预设职业路线中,选取所述匹配度最高的所述预设职业路线作为目标职业路线;
在得到所有匹配度后,比较各个匹配度,得到最高的匹配度,确定最高的匹配度对应的预设职业路线,将该预设职业路线作为目标职业路线。
步骤S105:生成所述目标职业路线的推荐信息。
推荐信息中包括目标职业路线的描述信息。
作为一种可选的实施方式,生成所述目标职业路线的推荐信息之后,还包括:向所述目标用户关联的用户设备发送所述推荐信息,所述推荐信息中包括所述目标职业路线的描述信息,所述描述信息包括专业技术路线信息或者行政管理路线信息。从而能够向目标用户推荐更具体的职业路线供其参考,以使用户了解适合自身的职业路线。
在本实施例中,基于目标行业的职业答题数据进行处理,得到针对多个知识点的答题特征值,进一步通过多个知识点的答题特征值,与目标行业内每种职业路线的答题特征值进行匹配,得到行业内最匹配的职业路线,避免向用户推荐宽泛行业导致用户无法准确了解自身职业路线的问题,能够有效地得到与目标行业相匹配的用户所适合的职业路线,更精细化地推荐职业路线。
图2示出了根据本申请一实施例的职业答题数据的处理方法的流程示意图。
步骤S201:获取目标用户针对目标行业的职业答题数据;
步骤S202:提取所述职业答题数据中每个所述预设知识点的答题时长;
本实施例中,基于答题时长以及正确率两个维度,对每个预设知识点的答题内容进行评分,以准确衡量用户针对每个预设知识点的掌握程度,并进一步准确分析用户所适合的职业路线。
答题时长是用户开始查看某个预设知识点对应的题目直至完成回答的时长。在目标用户答题过程中,通过答题所使用的电子设备记录针对每个预设知识点的答题时长,保存在职业答题数据中。
步骤S203:基于所述职业答题数据中针对每个所述预设知识点的答题内容,与每个所述预设知识点的基准内容进行比对,得到每个所述预设知识点的正确率;
与基准内容相同的答题内容视作正确的答题内容,与基准内容不同的答题内容视作错误的答题内容。根据正确的答题内容的比例,可以确定正确率,或者,根据正确的答题内容的比例,以及错误的答题内容的比例,确定正确率,其中,由于部分题目若一旦出现错误的答题内容,则表明可能对相应知识点不熟悉,也可以直接将正确率设置为0,若没有出现错误的答题内容,则可以根据正确的答题内容的比例确定正确率。
答题内容的形式可以包括问答题、选择题等,在此不作具体限定。
步骤S204:基于每个所述预设知识点的答题时长以及每个所述预设知识点的正确率,计算每个所述预设知识点的评分值;
作为一种可选的实施方式,确定答题时长所在的第一区间,并确定所在第一区间对应的第一分值,第一区间的下界越大,第一分值越小,确定正确率所在的第二区间,并确定第二区间对应的第二分值,第二区间的下界越大,第二分值越大,对第一分值以及第二分值加权求和,得到评分值,针对每个预设知识点,采用该方式得到每个预设知识点的评分值。
作为一种可选的实施方式,确定每个预设知识点的答题时长与该预设知识点对应的标准时长的第一比例,确定标准比例与第一比例的差值,对该差值以及正确率加权求和,得到评分值。
步骤S205:基于所有所述预设知识点的所述评分值,确定所述目标用户针对所有所述预设知识点的目标答题特征值;
在得到评分值后,为了便于匹配度的计算,还需要对评分值进行编码,将其转化为向量形式的数据,并根据向量形式的数据得到针对预设知识点的目标答题特征值。
步骤S206:确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度,以得到每种所述预设职业路线的匹配度,所述预设职业路线为预先设定的与所述目标行业匹配的职业路线;
步骤S207:在所有所述预设职业路线中,选取所述匹配度最高的所述预设职业路线作为目标职业路线;
步骤S208:生成所述目标职业路线的推荐信息。
作为一种可选的实施方式,生成所述目标职业路线的推荐信息包括:获取所述目标职业路线所匹配的参考知识点;基于所述评分值最低的预设数量个所述预设知识点,在所述参考知识点中选取所述目标用户的第一薄弱知识点;获取所述第一薄弱知识点的第一课程信息;生成包括所述第一课程信息以及目标职业路线类型的所述推荐信息。
为了使得用户具有更清晰的职业规划,并结合其职业路线得到更好的职业发展,所生成的推荐信息还可以包括薄弱知识点的课程信息,薄弱知识点是目标用户不擅长的知识点,课程信息可以是具体的课程的内容,也可以是课程的链接、名称等。
参考知识点是目标职业路线对应需要掌握的知识点。预设数量可以是一个或者两个以上。第一薄弱知识点是目标用户不擅长的知识点。第一课程信息是与第一薄弱知识点相对应的课程信息。职业路线类型是职业路线被划分的类型,比如,技术专业型或者行政管理型。
作为一种可选的实施方式,第一课程信息包括图文信息以及存储路径,图文信息用于描述课程信息的概况,存储路径用于从存储的服务器下载到课程信息的内容,课程信息的内容包括视频、语音、文字等。
作为一种可选的实施方式,定时获取最新的评分值,并基于最新的评分值确定第一薄弱知识点,获取第一薄弱知识点的第一课程信息,以便于保持课程信息最新。
作为一种可选的实施方式,在生成包括第一课程信息以及目标职业路线类型的推荐信息并推送至目标用户后,获取目标用户学习第一课程信息的状态,在所述目标用户完成第一课程信息的学习后,重新向用户推送第一薄弱知识点对应的职业测试题,并获取用户针对第一薄弱知识点的职业测试题所作出的回答数据,基于该部分回答数据,重新确定最新的评分值,基于重新确定的评分值,检测目标用户是否已经掌握第一薄弱知识点,若是,则将第一薄弱知识点更新为已掌握知识点,并不再推荐相应的课程信息,若否,则输出是否需要重新测试职业路线的提示消息,若检测到针对提示消息触发的确认消息,则重新测试目标用户的职业路线。以便于在目标用户难于掌握薄弱知识点时,及时重新测试其适合的职业路线,以便于用户调整自身的职业规划。
作为一种可选的实施方式,按照不同的学习历程,将第一课程信息划分多个学习时间段分别学习进行的课程信息,分别在每个学习时间段内向目标用户推送对应的课程信息。
在本实施例中,通过提取所述职业答题数据中每个所述预设知识点的答题时长;基于所述职业答题数据中针对每个所述预设知识点的答题内容,与每个所述预设知识点的基准内容进行比对,得到每个所述预设知识点的正确率;基于每个所述预设知识点的答题时长以及每个所述预设知识点的正确率,计算每个所述预设知识点的评分值;基于所有所述预设知识点的所述评分值,确定所述目标用户针对所有所述预设知识点的目标答题特征值。从而结合答题时长以及正确率,准确得到用户对每个预设知识点的掌握程度,进而准确得到用户所匹配的职业路线。
图3示出了根据本申请一实施例的职业答题数据的处理方法的流程示意图。
步骤S301:获取目标用户针对目标行业的职业答题数据;
步骤S302:基于所述职业答题数据,确定所述目标用户针对所有预设知识点的目标答题特征值,所述职业答题数据包括两个以上所述预设知识点对应的答题信息;
步骤S303:确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度,以得到每种所述预设职业路线的匹配度,所述预设职业路线为预先设定的与所述目标行业匹配的职业路线;
步骤S304:在所有所述预设职业路线中,选取所述匹配度最高的所述预设职业路线作为目标职业路线;
步骤S305:获取所述目标职业路线所匹配的参考知识点;
参考知识点是目标职业路线对应的需要用户掌握的知识点。
步骤S306:获取所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值;
每个历史时间段之间所包含的时间点不同,各个历史时间段的时长之间可以相同,也可以不同。可以将最近半年内的每个月作为一个历史时间段,或者,也可以将最近一年内的每个季度作为一个历史时间段,或者,采用其它方式设置历史时间段,历史时间段存在两个以上。由于目标用户在答题时是针对所有预设职业路线的预设知识点进行答题的,而在确定了目标职业路线后,不需要目标用户掌握非目标职业路线的知识点,因此,本实施例获取目标职业路线所匹配的参考知识点的历史答题分值,以基于历史答题分值指示用户针对参考知识点的掌握程度。
步骤S307:基于所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值,确定所述目标用户针对每个所述参考知识点的答题评分变化趋势;
由于用户在一段时间内,随着个人能力提升,其针对知识点的掌握程度也随之变化,为了准确向用户推荐其所不擅长的知识点的课程,本实施例还分析用户对知识点掌握程度的变化趋势,及时向用户推荐掌握程度呈现下降趋势的课程信息,从而便于用户及时结合自身的职业路线调整其学习历程,以便于促进之自身的职业发展。
答题评分变化趋势指答题的评分值的变化趋势,包括上升趋势、平稳趋势以及下降趋势。
作为一种可选的实施方式,可以基于每个历史时间段内所有参考知识点的历史答题分值,拟合得到每个参考知识点的答题评分的变化曲线,并计算每个参考知识点的变化曲线与每个预设曲线之间的相似度,选取相似度最大的目标曲线,获取目标曲线的预设变化趋势,从而得到参考知识点是否为下降趋势。可以预先设定多个上升趋势的预设曲线以及多个下降趋势的预设曲线,并分别计算每个预设曲线与每个参考知识点的变化曲线之间的相似度,从而基于最大相似度的预设曲线的变化趋势,确定每个参考知识点的答题评分趋势是否为下降趋势,若是下降趋势,则推荐第二课程信息,若不是下降趋势,则不推荐第二课程信息。
步骤S308:按照每个所述答题评分变化趋势,在所有所述参考知识点中,确定呈现下降趋势的所述参考知识点作为第二薄弱知识点;
呈现下降趋势指答题评分变化趋势呈现下降趋势。第二薄弱知识是用户在过去一段时间逐渐遗忘的知识点,其根据每个参考知识点的答题评分变化趋势得到。
步骤S309:获取所述第二薄弱知识点的第二课程信息;
作为一种可选的实施方式,第二课程信息包括第二薄弱知识点的描述信息和/或存储路径,根据存储路径可以从服务器下载第二课程信息。
步骤S310:生成包括所述第二课程信息以及目标职业路线类型的所述推荐信息。
在生成包括第二课程信息以及目标职业路线的推荐信息后,可以向目标用户推送该推荐信息。
在本实施例中,通过获取所述目标职业路线所匹配的参考知识点;获取所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值;基于所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值,确定所述目标用户针对每个所述参考知识点的答题评分变化趋势;按照每个所述答题评分变化趋势,在所有所述参考知识点中,确定呈现下降趋势的所述参考知识点作为第二薄弱知识点;获取所述第二薄弱知识点的第二课程信息;生成包括所述第二课程信息以及目标职业路线类型的所述推荐信息。及时向用户推荐掌握程度呈现下降趋势的课程信息,从而便于用户及时结合自身的职业路线调整其学习历程,以便于促进之自身的职业发展。
图4示出了根据本申请一实施例的职业答题数据的处理装置,所述职业答题数据的处理装置包括:
获取模块401,用于获取目标用户针对目标行业的职业答题数据;
第一确定模块402,用于基于所述职业答题数据,确定所述目标用户针对所有预设知识点的目标答题特征值,所述职业答题数据包括两个以上所述预设知识点对应的答题信息;
第二确定模块403,用于确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度,以得到每种所述预设职业路线的匹配度,所述预设职业路线为预先设定的与所述目标行业匹配的职业路线;
选取模块404,用于在所有所述预设职业路线中,选取所述匹配度最高的所述预设职业路线作为目标职业路线;
生成模块405,用于生成所述目标职业路线的推荐信息。
在本申请的一示例性实施例中,所述装置配置为:
提取所述职业答题数据中每个所述预设知识点的答题时长;
基于所述职业答题数据中针对每个所述预设知识点的答题内容,与每个所述预设知识点的基准内容进行比对,得到每个所述预设知识点的正确率;
基于每个所述预设知识点的答题时长以及每个所述预设知识点的正确率,计算每个所述预设知识点的评分值;
基于所有所述预设知识点的所述评分值,确定所述目标用户针对所有所述预设知识点的目标答题特征值。
在本申请的一示例性实施例中,所述装置配置为:
获取所述目标职业路线所匹配的参考知识点;
基于所述评分值最低的预设数量个所述预设知识点,在所述参考知识点中选取所述目标用户的第一薄弱知识点;
获取所述第一薄弱知识点的第一课程信息;
生成包括所述第一课程信息以及目标职业路线类型的所述推荐信息。
在本申请的一示例性实施例中,所述装置配置为:
获取所述目标职业路线所匹配的参考知识点;
获取所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值;
基于所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值,确定所述目标用户针对每个所述参考知识点的答题评分变化趋势;
按照每个所述答题评分变化趋势,在所有所述参考知识点中,确定呈现下降趋势的所述参考知识点作为第二薄弱知识点;
获取所述第二薄弱知识点的第二课程信息;
生成包括所述第二课程信息以及目标职业路线类型的所述推荐信息。
在本申请的一示例性实施例中,所述装置配置为:
将所述目标答题特征值输入至线性回归模型,并分别将每个所述预设职业路线对应的预设答题特征值输入至所述线性回归模型,得到每个所述预设职业路线的预设答题特征值的对应的输出信息;
分别根据每个所述预设职业路线的预设答题特征值的对应的输出信息,确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度。
在本申请的一示例性实施例中,所述装置配置为:
基于所述目标用户所在的行业,确定所述目标行业;
获取与所述目标行业相匹配的职业测试题;
向所述目标用户的用户设备推送所述职业测试题;
获取所述用户设备针对所述职业测试题返回的所述职业答题数据。
在本申请的一示例性实施例中,所述装置配置为:
向所述目标用户关联的用户设备发送所述推荐信息,所述推荐信息中包括所述目标职业路线的描述信息,所述描述信息包括专业技术路线信息或者行政管理路线信息。
下面参考图5来描述根据本申请实施例的电子设备5。图5显示的电子设备50仅仅是一个示例,不应对本申请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:上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述示例性方法的描述部分中描述的根据本申请各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1中所示的各个步骤。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205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。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备50也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备30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(例如路由器、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550进行。输入/输出(I/O)接口550与显示单元540相连。并且,电子设备50还可以通过网络适配器560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560通过总线530与电子设备50的其它模块通信。应当明白,尽管图中未示出,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。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行上述方法实施例部分描述的方法。
根据本申请的一个实施例,还提供了一种用于实现上述方法实施例中的方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本申请的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本申请操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如JAVA、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种职业答题数据的处理方法,其特征在于,所述方法包括:
获取目标用户针对目标行业的职业答题数据;
基于所述职业答题数据,确定所述目标用户针对所有预设知识点的目标答题特征值,所述职业答题数据包括两个以上所述预设知识点对应的答题信息;
确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度,以得到每种所述预设职业路线的匹配度,所述预设职业路线为预先设定的与所述目标行业匹配的职业路线;
在所有所述预设职业路线中,选取所述匹配度最高的所述预设职业路线作为目标职业路线;
生成所述目标职业路线的推荐信息。
2.如权利要求1所述的方法,其特征在于,基于所述职业答题数据,确定所述目标用户针对所有知识点的目标答题特征值,包括:
提取所述职业答题数据中每个所述预设知识点的答题时长;
基于所述职业答题数据中针对每个所述预设知识点的答题内容,与每个所述预设知识点的基准内容进行比对,得到每个所述预设知识点的正确率;
基于每个所述预设知识点的答题时长以及每个所述预设知识点的正确率,计算每个所述预设知识点的评分值;
基于所有所述预设知识点的所述评分值,确定所述目标用户针对所有所述预设知识点的目标答题特征值。
3.如权利要求2所述的方法,其特征在于,所述生成所述目标职业路线的推荐信息包括:
获取所述目标职业路线所匹配的参考知识点;
基于所述评分值最低的预设数量个所述预设知识点,在所述参考知识点中选取所述目标用户的第一薄弱知识点;
获取所述第一薄弱知识点的第一课程信息;
生成包括所述第一课程信息以及目标职业路线类型的所述推荐信息。
4.如权利要求1所述的方法,其特征在于,所述生成所述目标职业路线的推荐信息包括:
获取所述目标职业路线所匹配的参考知识点;
获取所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值;
基于所述目标用户在每个历史时间段内针对所有所述参考知识点的历史答题分值,确定所述目标用户针对每个所述参考知识点的答题评分变化趋势;
按照每个所述答题评分变化趋势,在所有所述参考知识点中,确定呈现下降趋势的所述参考知识点作为第二薄弱知识点;
获取所述第二薄弱知识点的第二课程信息;
生成包括所述第二课程信息以及目标职业路线类型的所述推荐信息。
5.如权利要求1所述的方法,其特征在于,所述确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度包括:
将所述目标答题特征值输入至线性回归模型,并分别将每个所述预设职业路线对应的预设答题特征值输入至所述线性回归模型,得到每个所述预设职业路线的预设答题特征值的对应的输出信息;
分别根据每个所述预设职业路线的预设答题特征值的对应的输出信息,确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度。
6.如权利要求1所述的方法,其特征在于,所述获取目标用户针对目标行业的职业答题数据包括:
基于所述目标用户所在的行业,确定所述目标行业;
获取与所述目标行业相匹配的职业测试题;
向所述目标用户的用户设备推送所述职业测试题;
获取所述用户设备针对所述职业测试题返回的所述职业答题数据。
7.如权利要求1所述的方法,其特征在于,所述生成所述目标职业路线的推荐信息之后,还包括:
向所述目标用户关联的用户设备发送所述推荐信息,所述推荐信息中包括所述目标职业路线的描述信息,所述描述信息包括专业技术路线信息或者行政管理路线信息。
8.一种职业答题数据的处理装置,其特征在于,所述职业答题数据的处理装置包括:
获取模块,用于获取目标用户针对目标行业的职业答题数据;
第一确定模块,用于基于所述职业答题数据,确定所述目标用户针对所有预设知识点的目标答题特征值,所述职业答题数据包括两个以上所述预设知识点对应的答题信息;
第二确定模块,用于确定所述目标答题特征值与每个预设职业路线对应的预设答题特征值之间的匹配度,以得到每种所述预设职业路线的匹配度,所述预设职业路线为预先设定的与所述目标行业匹配的职业路线;
选取模块,用于在所有所述预设职业路线中,选取所述匹配度最高的所述预设职业路线作为目标职业路线;
生成模块,用于生成所述目标职业路线的推荐信息。
9.一种电子设备,其特征在于,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时,使得所述电子设备实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210440118.0A CN114819898A (zh) | 2022-04-25 | 2022-04-25 | 职业答题数据的处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210440118.0A CN114819898A (zh) | 2022-04-25 | 2022-04-25 | 职业答题数据的处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114819898A true CN114819898A (zh) | 2022-07-29 |
Family
ID=82508281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210440118.0A Withdrawn CN114819898A (zh) | 2022-04-25 | 2022-04-25 | 职业答题数据的处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114819898A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651676A (zh) * | 2020-06-09 | 2020-09-11 | 上海乂学教育科技有限公司 | 基于能力模型进行职业推荐的方法、装置、设备和介质 |
US20200294166A1 (en) * | 2019-03-14 | 2020-09-17 | International Business Machines | Calculating a degree of match for a plurality of career options |
CN113570322A (zh) * | 2021-05-14 | 2021-10-29 | 南京奥派信息产业股份公司 | 面向高职学生的职业测评方法及装置 |
CN114254208A (zh) * | 2021-12-22 | 2022-03-29 | 科大讯飞股份有限公司 | 薄弱知识点的识别方法、学习路径的规划方法与装置 |
-
2022
- 2022-04-25 CN CN202210440118.0A patent/CN114819898A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200294166A1 (en) * | 2019-03-14 | 2020-09-17 | International Business Machines | Calculating a degree of match for a plurality of career options |
CN111651676A (zh) * | 2020-06-09 | 2020-09-11 | 上海乂学教育科技有限公司 | 基于能力模型进行职业推荐的方法、装置、设备和介质 |
CN113570322A (zh) * | 2021-05-14 | 2021-10-29 | 南京奥派信息产业股份公司 | 面向高职学生的职业测评方法及装置 |
CN114254208A (zh) * | 2021-12-22 | 2022-03-29 | 科大讯飞股份有限公司 | 薄弱知识点的识别方法、学习路径的规划方法与装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7428219B2 (ja) | 応答処理方法、応答処理装置及びプログラム | |
US20190042999A1 (en) | Systems and methods for optimizing parallel task completion | |
US10515153B2 (en) | Systems and methods for automatically assessing constructed recommendations based on sentiment and specificity measures | |
Ozgur et al. | Selection of statistical software for solving big data problems: a guide for businesses, students, and universities | |
Chakravarti et al. | Judgment based marketing decision models: Problems and possible solutions | |
CN1457041B (zh) | 为一个自然语言理解系统用来自动注解训练数据的一个系统 | |
KR20180105133A (ko) | 자동차 보험 답사 임무의 발표 시스템, 기기, 방법 및 판독 가능 저장매체 | |
US20110225079A1 (en) | Method and system for personalized education | |
US20090192838A1 (en) | System and method for optimizing response handling time and customer satisfaction scores | |
CN111754278A (zh) | 物品推荐方法、装置、计算机存储介质和电子设备 | |
US20090276290A1 (en) | System and method of optimizing commercial real estate transactions | |
CN114819898A (zh) | 职业答题数据的处理方法、装置、电子设备及存储介质 | |
US20130110568A1 (en) | Assigning work orders with conflicting evidences in services | |
CN108268506A (zh) | 一种推广信息的处理方法、装置、终端及计算机可读存储介质 | |
Villanueva et al. | The pros and cons of using the change in destination choice logsums as a practical measure of user benefits | |
CN110717101A (zh) | 基于应用行为的用户分类方法、装置和电子设备 | |
JP2020135598A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN113763134B (zh) | 信息推荐方法、系统、设备及存储介质 | |
US12026148B2 (en) | Dynamic updating of digital data | |
CN118134503A (zh) | 售后服务管理方法、设备和存储介质 | |
KR102546409B1 (ko) | 사용자 경험 정보의 학습 기반 분석에 기초한 직무 적합성 정보 제공 방법 및 그 장치 | |
Litman et al. | Towards improving (meta) cognition by adapting to student uncertainty in tutorial dialogue | |
JP4896848B2 (ja) | 認定適正化シミュレーションシステム及びこのシステムのためのプログラムを記録したコンピュータ読み取り可能な記憶媒体 | |
US20230121647A1 (en) | Machine learning-enabled system for analyzing immigration petitions | |
Galstyan et al. | SmartAdvisor University Chatbot Spring 2024 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220729 |