CN116595196A - 基于知识图谱的课程推荐方法、装置、电子设备及介质 - Google Patents
基于知识图谱的课程推荐方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN116595196A CN116595196A CN202310790469.9A CN202310790469A CN116595196A CN 116595196 A CN116595196 A CN 116595196A CN 202310790469 A CN202310790469 A CN 202310790469A CN 116595196 A CN116595196 A CN 116595196A
- Authority
- CN
- China
- Prior art keywords
- course
- lecturer
- information
- target user
- student
- 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 54
- 238000012797 qualification Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000001914 filtration Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000010998 test method 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
Abstract
本申请提供一种基于知识图谱的课程推荐方法、装置、电子设备及介质。涉及大数据技术领域,该方法包括:获取目标用户与课程推荐系统相关的个人属性信息和课程信息;根据个人属性信息和课程信息构建多个实体节点,以及多个实体节点之间的关系;基于多个实体节点和多个实体节点之间的关系,生成课程推荐系统的知识图谱;根据知识图谱确定与目标用户对应的课程推荐结果。用以解决现有方案存在无法为用户自动推荐合适的课程的问题,实现简单有效为用户推荐合适的课程的技术效果。
Description
技术领域
本申请涉及大数据技术领域,尤其涉及一种基于知识图谱的课程推荐方法、装置、电子设备及介质。
背景技术
当今互联网时代,各大企业中的战略方向、业务内容、科技发展的变化迭代也按下了加速键。因此,各大企业都迫切需要员工学习新知识、新技能以保持自身的竞争力,企业教育平台也在其间发挥了巨大功效。
目前常见的课程推荐方式为:企业教育平台管理员统一为员工管理企业级课程库并标记选修与必修,学员再根据自身兴趣和课程必要性利用关键字搜索筛选课程。但是,学员只能通过平台管理员设置的课程和课程的是否必修来选择课程,存在以下缺点:
1、对于学员来说,由于在企业内选课具有一定局限性,例如对自己的兴趣课程关键字不明。2、对于课程来说,课程资源有限,且课程范围和课程偏好都基于企业教育平台管理员的选择,过于主观。3、对于关键字搜索来说,现存一些共性问题,比如:搜索结果的准确率难以评价,如对近同义词的语义处理能力有限。
可见,现有方案存在无法为学员、讲师等用户自动推荐合适的课程且课程资源较为局限的技术问题。
发明内容
本申请提供一种基于知识图谱的课程推荐方法、装置、电子设备及存储介质,用以解决现有方案存在无法为用户自动推荐合适的课程的问题,实现简单有效为用户推荐合适的课程的技术效果。
一方面,本申请提供一种基于知识图谱的课程推荐方法,上述方法包括:
获取目标用户与课程推荐系统相关的个人属性信息和课程信息;
根据上述个人属性信息和上述课程信息构建多个实体节点,以及多个实体节点之间的关系;
基于上述多个实体节点和上述多个实体节点之间的关系,生成上述课程推荐系统的知识图谱;
根据上述知识图谱确定与上述目标用户对应的课程推荐结果。
一种可选的实施方式,获取目标用户与课程推荐系统相关的个人属性信息和课程信息,包括:
在上述目标用户所属企业内部的资源管理系统中,抽取上述目标用户与上述课程推荐系统相关的上述个人属性信息,其中,上述个人属性信息包括如下至少之一:年龄、工龄、专业、家庭成员信息、学习经历、持有资格证书、岗位序列;
在上述目标用户所属企业内部的企业教育平台中,抽取上述目标用户与上述课程推荐系统相关的上述课程信息,其中,上述课程信息包括:感兴趣课程信息、已授课课程信息。
一种可选的实施方式,根据上述知识图谱确定与上述目标用户对应的课程推荐结果,包括:
根据上述知识图谱确定上述目标用户的身份标签,其中,上述身份标签用于表征上述目标用户为讲师或者待授课学员;
若上述目标用户的身份标签指示上述目标用户为讲师,则根据上述知识图谱获取上述讲师的授课课程标签和持有资格证书,以及学员感兴趣课程标签;
根据上述授课课程标签和上述持有资格证书,以及上述学员感兴趣课程标签,确定与上述讲师对应的课程推荐结果。
一种可选的实施方式,根据上述授课课程标签和上述持有资格证书,以及上述学员感兴趣课程标签,确定与上述讲师对应的课程推荐结果,包括:
根据上述讲师的持有资格证书,确定上述讲师是否满足目标讲师资格;
若上述讲师满足目标讲师资格,则根据上述授课课程标签确定讲师授课课程的课程简介信息,以及根据上述学员感兴趣课程标签确定学员感兴趣课程的课程简介信息;
基于上述讲师授课课程的课程简介信息和上述学员感兴趣课程的课程简介信息,确定与上述讲师对应的课程推荐结果。
一种可选的实施方式,基于上述讲师授课课程的课程简介信息和上述学员感兴趣课程的课程简介信息,确定与上述讲师对应的课程推荐结果,包括:
采用关键字抽取算法,基于上述讲师授课课程的课程简介信息,抽取与上述讲师授课课程对应的课程关键词,以及基于上述学员感兴趣课程的课程简介信息,抽取上述学员感兴趣课程对应的课程关键词;
根据上述讲师授课课程对应的课程关键词和上述学员感兴趣课程对应的课程关键词,计算上述讲师授课课程与上述学员感兴趣课程之间的相似性;
根据上述讲师授课课程与上述学员感兴趣课程之间的相似性,确定与上述讲师对应的课程推荐结果。
一种可选的实施方式,根据上述知识图谱确定与上述目标用户对应的课程推荐结果,包括:
根据上述知识图谱确定上述目标用户的身份标签;
若上述目标用户的身份标签指示上述目标用户为待授课学员,则获取上述待授课学员的学员感兴趣课程,以及与上述学员感兴趣课程匹配的推荐讲师信息;
将上述学员感兴趣课程和上述推荐讲师信息,作为与上述待授课学员对应的课程推荐结果。
一种可选的实施方式,上述获取上述待授课学员的学员感兴趣课程,以及与上述学员感兴趣课程匹配的推荐讲师信息,包括:
获取根据多个学员的个人属性信息生成的数据字典,其中,多个学员中包含待授课学员和已授课学员,上述已授课学员对应的数字特征值已确定;
根据上述数据字典将上述待授课学员的个人属性信息进行数字化处理,得到数字特征值;
根据上述待授课学员的数字特征值和上述已授课学员对应的数字特征值,计算上述待授课学员与上述已授课学员之间的相似度;
根据上述待授课学员与上述已授课学员之间的相似度,确定上述待授课学员的学员感兴趣课程,以及与上述学员感兴趣课程匹配的推荐讲师信息。
另一方面,本申请提供一种基于知识图谱的课程推荐装置,上述装置包括:
获取模块,用于获取目标用户与课程推荐系统相关的个人属性信息和课程信息;
构建模块,用于根据上述个人属性信息和上述课程信息构建多个实体节点,以及多个实体节点之间的关系;
生成模块,用于基于上述多个实体节点和上述多个实体节点之间的关系,生成上述课程推荐系统的知识图谱;
确定模块,用于根据上述知识图谱确定与上述目标用户对应的课程推荐结果。
另一方面,本申请提供一种电子设备,包括:处理器,以及与上述处理器连接的存储器;上述存储器存储计算机执行指令;上述处理器执行上述存储器存储的计算机执行指令,以实现如任一项上述的方法。
另一方面,本申请提供一种计算机可读存储介质,上述计算机可读存储介质中存储有计算机执行指令,上述计算机执行指令被处理器执行时用于实现如任一项上述的方法。
另一方面,本申请提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现任一项上述的方法。
本申请提供的基于知识图谱的课程推荐方法、装置、电子设备及介质,通过获取目标用户与课程推荐系统相关的个人属性信息和课程信息;根据个人属性信息和课程信息构建多个实体节点,以及多个实体节点之间的关系;基于多个实体节点和多个实体节点之间的关系,生成课程推荐系统的知识图谱;根据知识图谱确定与目标用户对应的课程推荐结果。用以解决现有方案存在无法为用户自动推荐合适的课程的问题,实现简单有效为用户推荐合适的课程的技术效果。
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。
图1为本申请实施例提供的一种基于知识图谱的课程推荐方法的流程示意图;
图2为本申请实施例提供的一种可选的知识图谱的实体节点和关系的示意图;
图3是本申请实施例所提供的一种可选的基于知识图谱的课程推荐方法的流程示意图;
图4是本申请实施例所提供的一种可选的基于知识图谱的课程推荐方法的流程示意图;
图5是本申请实施例所提供的一种可选的基于协同过滤算法的课程确定方式的示意图;
图6为本申请实施例提供的一种基于知识图谱的课程推荐装置的结构框图;
图7为本申请实施例提供的一种电子设备的结构示意图。
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
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
首先对本申请所涉及的名词进行解释:
知识图谱:是一种结构化的语义知识库,用于以符号形式描述物理世界中的概念及其相互关系。
企业级课程推荐系统:是一种针对企业内部,通过资源管理系统和企业教育平台中提取的员工信息,自动为学员和讲师进行课程推荐的系统。
资源管理系统:是一种资源管理系统软件,资源管理系统有许多子系统和流程,例如,企业内部人事管理,企业可以通过资源管理系统保存员工数据,以及进行薪资管理、招聘、待遇管理、考勤、员工绩效管理、追踪和培训记录等操作。
企业教育平台:是一种企业内员工透过网际网路或企业内部网路的工具来进行遥距教育的线上学习平台,由企业资源管理系统部门承办教育训练的单位将训练课程及测验题库安装于学习平台的资料库内,员工经由职务需求或前测验证程序后,选定课程内容,自行或强制指定学习进度,并于课程学习完成后进行测验。
互联网时代,各大企业中的战略方向、业务内容、科技发展的变化迭代也按下了加速键。因此,各大企业都迫切需要员工学习新知识、新技能以保持自身的竞争力,企业教育平台也在其间发挥了巨大功效。
目前常见的课程推荐为企业教育平台管理员统一为员工管理企业级课程库并标记选修与必修,学员再根据自身兴趣和课程必要性利用关键字搜索筛选课程。
现有技术进入企业教育平台后,学员只能通过平台管理员设置的课程和课程的是否必修来选择课程,存在以下缺点:
1、对于学员而言,在企业内选课具有一定局限性,例如对自己的兴趣课程关键字不明。
2、对于课程而言课程资源有限,且课程范围和课程偏好都基于企业教育平台管理员的选择,过于主观。
3、对于关键字搜索而言现存一些共性问题,比如:搜索结果的准确率难以评价,如对近同义词的语义处理能力有限。
可见,现有方案的最大问题,在于无法为学员自动推荐合适的课程且课程资源较为局限。本申请实施例克服了现有技术中的不足,提供一种实现简单、实施成本低、能够有效为学员、讲师进行企业级课程推荐的方法。
本申请提供的基于知识图谱的课程推荐方法,旨在解决现有技术的如上技术问题。需要说明的是,该基于知识图谱的课程推荐方法和装置,涉及大数据技术领域,也可以适用于金融科技领域或其他相关领域。本申请提供的基于知识图谱的课程推荐方法和装置的应用领域不作限定。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1是本申请实施例所提供的一种基于知识图谱的课程推荐方法的流程示意图,如图1所示,该方法包括:
S101,获取目标用户与课程推荐系统相关的个人属性信息和课程信息。
S102,根据上述个人属性信息和上述课程信息构建多个实体节点,以及多个实体节点之间的关系。
S103,基于上述多个实体节点和上述多个实体节点之间的关系,生成上述课程推荐系统的知识图谱。
S104,根据上述知识图谱确定与上述目标用户对应的课程推荐结果。
可选的,本申请实施例所提提供的基于知识图谱的课程推荐方法,可以适用于为企业员工进行企业级课程推荐场景中。
一种示例中,本申请实施例所提提供的基于知识图谱的课程推荐方法,可以但不限于在企业级的课程推荐系统中运行,以实现企业级课程推荐。
一种示例中,该目标用户可以为企业员工,如图2所示的知识图谱,该企业员工的身份可以为企业级课程的讲师或者学员(主要针对待授课学员)。
一种可选的实施方式,获取目标用户与课程推荐系统相关的个人属性信息和课程信息,具体是可以采用如下方法步骤:
在上述目标用户所属企业内部的资源管理系统中,抽取上述目标用户与上述课程推荐系统相关的上述个人属性信息。
在上述目标用户所属企业内部的企业教育平台中,抽取上述目标用户与上述课程推荐系统相关的上述课程信息。
可选的,上述个人属性信息包括如下至少之一:年龄、工龄、专业、家庭成员信息、学习经历、持有资格证书(例如,企业内部资格证书、企业外部资格证书等)、岗位序列、性别等。
可选的,上述课程信息包括:感兴趣课程信息、已授课课程信息。
本申请实施例中,在从资源管理系统和企业教育平台中获取得到个人属性信息和课程信息之后,可以根据上述个人属性信息和上述课程信息构建多个实体节点,以及多个实体节点之间的关系,进而可以根据多个实体节点和上述多个实体节点之间的关系,生成上述课程推荐系统的知识图谱。
一种可选的实施例中,基于多个实体节点和上述多个实体节点之间的关系,生成上述课程推荐系统的知识图谱可以但不限于为图2所示,图2中,实体节点“员工”指向的节点包括:专业(major_is)、年龄(age_is)、工龄(workingyear_is)、工龄(gender_is)、持有资格证书(has-_certificate)、家庭成员信息(parentwork_is)、岗位序列(position-_is)。
仍如图2所示,实体节点“课程”信息,包括:感兴趣课程信息、已授课课程信息。可以理解的是,“课程”和“讲师”之间的关系包含:“课程”可以是“讲师”的课程,“课程”还可以是“讲师”创制的课程。“课程”和“学员”之间的关系包含:“课程”可以是“学员”的感兴趣课程,“课程”还可以是“学员”的已授课课程。
并且,本申请实施例中,课程和课程标签之间的对应关系可以是一对多,也可以是多对一。仍如图2所示,一个课程可以打上不同的课程标签,例如,讲师的授课课程标签、学员感兴趣课程标签等。不同的课程也可以打上(tagged)同一个课程标签。
一种可选的实施例中,根据上述知识图谱确定与上述目标用户对应的课程推荐结果,可以根据目标用户具体是待授课学员或者讲师,根据知识图谱为目标用户推荐授课课程。可以理解的是,若目标用户是待授课学员,则为其推荐的是讲师待为其授课、学员待学习的课程;若该目标用户为讲师,则是为其推荐讲师待为学员讲授的课程。
一种可选的实施方式,图3是本申请实施例所提供的一种可选的基于知识图谱的课程推荐方法的流程示意图,如图3所示,根据上述知识图谱确定与上述目标用户对应的课程推荐结果,包括:
S301,根据上述知识图谱确定上述目标用户的身份标签,其中,上述身份标签用于表征上述目标用户为讲师或者待授课学员。
S302,若上述目标用户的身份标签指示上述目标用户为讲师,则根据上述知识图谱获取上述讲师的授课课程标签和持有资格证书,以及学员感兴趣课程标签。
S303,根据上述授课课程标签和上述持有资格证书,以及上述学员感兴趣课程标签,确定与上述讲师对应的课程推荐结果。
本申请实施例中,在根据知识图谱确定目标用户的身份标签之后,对于讲师身份的员工而言,可以采用基于物品的协同过滤算法,根据讲师的授课课程标签和持有资格证书,以及学员感兴趣课程标签(可以确定该讲师的授课课程标签命中学员感兴趣课程标签的密度),确定与讲师对应的课程推荐结果,以对讲师进行建议授课课程的推荐。
一种可选的实施方式,图4是本申请实施例所提供的一种可选的基于知识图谱的课程推荐方法的流程示意图,如图4所示,根据上述授课课程标签和上述持有资格证书,以及上述学员感兴趣课程标签,确定与上述讲师对应的课程推荐结果,包括:
S401,根据上述讲师的持有资格证书,确定上述讲师是否满足目标讲师资格。
S402,若上述讲师满足目标讲师资格,则根据上述授课课程标签确定讲师授课课程的课程简介信息,以及根据上述学员感兴趣课程标签确定学员感兴趣课程的课程简介信息。
S403,基于上述讲师授课课程的课程简介信息和上述学员感兴趣课程的课程简介信息,确定与上述讲师对应的课程推荐结果。
具体地,可以根据讲师员工的持有资格证书来判断该讲师是否满足或者具有目标讲师资格,如,设定员工级别达到高级及高级以上,则满足或具有目标讲师资格。
在该讲师满足目标讲师资格的情形下,则根据该讲师的授课课程标签确定讲师授课课程的课程简介信息,以及根据学员感兴趣课程标签确定学员感兴趣课程的课程简介信息。
进而,本申请实施例可以基于讲师授课课程的课程简介信息和学员感兴趣课程的课程简介信息,确定讲师的课程推荐结果。
一种可选的实施方式,基于上述讲师授课课程的课程简介信息和上述学员感兴趣课程的课程简介信息,确定与上述讲师对应的课程推荐结果,包括:
S501,采用关键字抽取算法,基于上述讲师授课课程的课程简介信息,抽取与上述讲师授课课程对应的课程关键词,以及基于上述学员感兴趣课程的课程简介信息,抽取上述学员感兴趣课程对应的课程关键词。
S502,根据上述讲师授课课程对应的课程关键词和上述学员感兴趣课程对应的课程关键词,计算上述讲师授课课程与上述学员感兴趣课程之间的相似性。
S503,根据上述讲师授课课程与上述学员感兴趣课程之间的相似性,确定与上述讲师对应的课程推荐结果。
本申请实施例中,每门课可以根据课程简介信息,采用基于主题模型的关键字抽取算法,抽取得到对应的课程关键词,并基于抽取得到的课程关键词,计算上述讲师授课课程与上述学员感兴趣课程之间的相似性。
例如,若设讲师授课课程为x,设学员感兴趣课程为y,则讲师授课课程与学员感兴趣课程之间的相似性sim(x,y)的计算公式如下:
sim(x,y)=cos(rx,ry)=(vx·vy)/|vx||vy|,其中,r为在知识图谱中课程节点之间的关系,v为根据课程特征(例如,课程内容,课程专业等)为课程分配的权重。
当讲师授课课程与学员感兴趣课程之间的相似性sim(x,y)越接近1时,则讲师授课课程与学员感兴趣课程之间的特征越相似。通过上述实施例,课程推荐系统可根据课程推荐数据集中与该讲师相似度最高的课程关键字(例如,学员感兴趣课程的课程关键字),为该讲师推荐授课课程。可以解决现有方案存在无法为用户自动推荐合适的课程的问题,实现简单有效为用户推荐合适的课程的技术效果。
一种可选的实施方式,根据上述知识图谱确定与上述目标用户对应的课程推荐结果,包括:
S601,根据上述知识图谱确定上述目标用户的身份标签。
S602,若上述目标用户的身份标签指示上述目标用户为待授课学员,则获取上述待授课学员的学员感兴趣课程,以及与上述学员感兴趣课程匹配的推荐讲师信息。
S603,将上述学员感兴趣课程和上述推荐讲师信息,作为与上述待授课学员对应的课程推荐结果。
本申请实施例中,对于员工身份为待授课学员的员工而言,可以根据课程标签、学员属性相似度,依据基于用户的协同过滤算法获取上述待授课学员的学员感兴趣课程,以及与上述学员感兴趣课程匹配的推荐讲师信息,进而为待授课学员进行学习课程推荐。
例如,如图5所示,可以采用基于用户的协同过滤算法,根据打有(tagged)同一个标签的多个课程进行课程推荐(recommend),还可以采用基于用户的协同过滤算法,根据学员相似度进行课程推荐。
一种可选的实施方式,上述获取上述待授课学员的学员感兴趣课程,以及与上述学员感兴趣课程匹配的推荐讲师信息,包括:
S701,获取根据多个学员的个人属性信息生成的数据字典,其中,多个学员中包含待授课学员和已授课学员,上述已授课学员对应的数字特征值已确定。
S702,根据上述数据字典将上述待授课学员的个人属性信息进行数字化处理,得到数字特征值。
S703,根据上述待授课学员的数字特征值和上述已授课学员对应的数字特征值,计算上述待授课学员与上述已授课学员之间的相似度。
S704,根据上述待授课学员与上述已授课学员之间的相似度,确定上述待授课学员的学员感兴趣课程,以及与上述学员感兴趣课程匹配的推荐讲师信息。
一种示例中,可以获取根据员工的特征制作数据字典,例如,根据多个学员的个人属性信息生成的数据字典,数据字典定义中相近的属性的学员的数字特征值相邻。
一种可选的实施例,学员的个人属性信息包括但不限于为以下所示:
专业:1-计算机类;2-电子信息类;3-自动化类;4-法学法律类……;
工龄:1-0~9年;2-10~19年;3-20~29年……;
年龄:1-20岁以下;2-20~29岁;3-30~39岁;4-40~49岁……;
性别:1-女;2-男;
持有资格证书:1-初级;2-中级;3-高级;4-技师;5-高级技师……;
岗位序列:1-科技类;2-资源管理系统类;3-法律类……;
之后,根据上述数据字典将上述待授课学员的个人属性信息进行数字化处理,得到如下表1所示的数字特征值。
表1
由于上述已授课学员对应的数字特征值已确定,进而本申请实施例中,可以根据上述待授课学员的数字特征值和上述已授课学员对应的数字特征值,计算上述待授课学员与上述已授课学员之间的相似度。
根据上述待授课学员的数字特征值和上述已授课学员对应的数字特征值,计算上述待授课学员与上述已授课学员之间的相似度sim(x,y):
sim(x,y)=cos(rx,ry)=(vx·vy)/|vx||vy|。
一种示例中,当待授课学员与已授课学员之间的相似度相似性越接近1时,两学员之间的特征越相似,则表明两人感兴趣的课程越相似。
因而,企业级课程推荐系统可以根据课程推荐数据集中与该学员相似度最高的已授课学员,该已授课学员的授课课程,授课讲师信息等,为待授课学员推荐学习课程和与之对应的授课讲师信息。可以解决现有方案存在无法为用户自动推荐合适的课程的问题,实现简单有效为用户推荐合适的课程的技术效果。
本申请实施例中,通过知识图谱与推荐策略相结合的方式,克服了现有技术方案中,无法为学员自动推荐合适的课程且课程资源较为局限的技术问题。具体来说,本申请实施例通过上述可选的实施例,还可以体现以下优点:
1、对于学员而言,本申请实施例可以根据每位学员的个人信息以及学习偏好,进行个性化推荐。在具体化的实体节点和关系中,捕捉学员的潜在兴趣课程。
2、对于课程而言,本申请实施例可以根据学员的兴趣课程和企业内具备讲师资格的员工资历,为系统管理员推荐合适的讲师和亟待开课的课程,使得课程的开设更加合理和客观。
3、对企业而言,企业教育平台中的课程由企业员工授课,课程内容结合企业背景,使得课程更本地化也更容易理解,知识转化率更高。同时,会节约企业的课程付费成本。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
根据本申请的一个或多个实施例,提供了一种基于知识图谱的课程推荐装置的实施例,图6为本申请实施例提供的一种基于知识图谱的课程推荐装置的结构框图,如图6所示,上述装置包括:
获取模块601,用于获取目标用户与课程推荐系统相关的个人属性信息和课程信息;
构建模块602,用于根据上述个人属性信息和上述课程信息构建多个实体节点,以及多个实体节点之间的关系;
生成模块603,用于基于上述多个实体节点和上述多个实体节点之间的关系,生成上述课程推荐系统的知识图谱;
确定模块604,用于根据上述知识图谱确定与上述目标用户对应的课程推荐结果。
本申请提供的基于知识图谱的课程推荐装置,通过获取目标用户与课程推荐系统相关的个人属性信息和课程信息;根据个人属性信息和课程信息构建多个实体节点,以及多个实体节点之间的关系;基于多个实体节点和多个实体节点之间的关系,生成课程推荐系统的知识图谱;根据知识图谱确定与目标用户对应的课程推荐结果。用以解决现有方案存在无法为用户自动推荐合适的课程的问题,实现简单有效为用户推荐合适的课程的技术效果。
一种可选的实施方式,获取模块,包括:
在上述目标用户所属企业内部的资源管理系统中,抽取上述目标用户与上述课程推荐系统相关的上述个人属性信息,其中,上述个人属性信息包括如下至少之一:年龄、工龄、专业、家庭成员信息、学习经历、持有资格证书、岗位序列;
在上述目标用户所属企业内部的企业教育平台中,抽取上述目标用户与上述课程推荐系统相关的上述课程信息,其中,上述课程信息包括:感兴趣课程信息、已授课课程信息。
一种可选的实施方式,确定模块,包括:
第一确定单元,用于根据上述知识图谱确定上述目标用户的身份标签,其中,上述身份标签用于表征上述目标用户为讲师或者待授课学员;
第一获取单元,用于若上述目标用户的身份标签指示上述目标用户为讲师,则根据上述知识图谱获取上述讲师的授课课程标签和持有资格证书,以及学员感兴趣课程标签;
第一推荐单元,用于根据上述授课课程标签和上述持有资格证书,以及上述学员感兴趣课程标签,确定与上述讲师对应的课程推荐结果。
一种可选的实施方式,上述第一推荐单元,包括:
第一确定子单元,用于根据上述讲师的持有资格证书,确定上述讲师是否满足目标讲师资格;
第二确定子单元,用于若上述讲师满足目标讲师资格,则根据上述授课课程标签确定讲师授课课程的课程简介信息,以及根据上述学员感兴趣课程标签确定学员感兴趣课程的课程简介信息;
推荐子单元,用于基于上述讲师授课课程的课程简介信息和上述学员感兴趣课程的课程简介信息,确定与上述讲师对应的课程推荐结果。
一种可选的实施方式,上述推荐子单元具体用于:
采用关键字抽取算法,基于上述讲师授课课程的课程简介信息,抽取与上述讲师授课课程对应的课程关键词,以及基于上述学员感兴趣课程的课程简介信息,抽取上述学员感兴趣课程对应的课程关键词;
根据上述讲师授课课程对应的课程关键词和上述学员感兴趣课程对应的课程关键词,计算上述讲师授课课程与上述学员感兴趣课程之间的相似性;
根据上述讲师授课课程与上述学员感兴趣课程之间的相似性,确定与上述讲师对应的课程推荐结果。
一种可选的实施方式,上述确定模块包括:
第二确定单元,用于根据上述知识图谱确定上述目标用户的身份标签;
第二获取单元,用于若上述目标用户的身份标签指示上述目标用户为待授课学员,则获取上述待授课学员的学员感兴趣课程,以及与上述学员感兴趣课程匹配的推荐讲师信息;
第二推荐单元,用于将上述学员感兴趣课程和上述推荐讲师信息,作为与上述待授课学员对应的课程推荐结果。
一种可选的实施方式,上述第二获取单元,包括:
获取子单元,用于获取根据多个学员的个人属性信息生成的数据字典,其中,多个学员中包含待授课学员和已授课学员,上述已授课学员对应的数字特征值已确定;
处理子单元,用于根据上述数据字典将上述待授课学员的个人属性信息进行数字化处理,得到数字特征值;
计算子单元,用于根据上述待授课学员的数字特征值和上述已授课学员对应的数字特征值,计算上述待授课学员与上述已授课学员之间的相似度;
第三确定子单元,用于根据上述待授课学员与上述已授课学员之间的相似度,确定上述待授课学员的学员感兴趣课程,以及与上述学员感兴趣课程匹配的推荐讲师信息。
在示例性实施例中,本申请实施例还提供了一种电子设备,包括:处理器,以及与上述处理器连接的存储器;
上述存储器存储计算机执行指令;
上述处理器执行上述存储器存储的计算机执行指令,以实现如任一项上述的方法。
在示例性实施例中,本申请实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质中存储有计算机执行指令,上述计算机执行指令被处理器执行时用于实现如任一项上述的方法。
在示例性实施例中,本申请实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现任一项上述的方法。
为了实现上述实施例,本申请实施例还提供了一种电子设备。参考图7,其示出了适于用来实现本申请实施例的电子设备700的结构示意图,该电子设备700可以为终端设备或服务器。其中,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、消息收发设备,游戏控制台,医疗设备,健身设备,个人数字助理(Personal DigitalAssistant,简称PDA)、平板电脑(Portable Android Device,简称PAD)、便携式多媒体播放器(Portable Media Player,简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,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7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(Read Only Memory,简称ROM)702中的程序或者从存储装置708加载到随机访问存储器(Random Access Memory,简称RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(Liquid CrystalDisplay,简称LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本申请实施例的方法中限定的上述功能。
需要说明的是,本申请上述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中,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。而在本申请中,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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例所示的方法。
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申请的操作的计算机程序代码,上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(LocalArea Network,简称LAN)或广域网(Wide Area Network,简称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)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(AS IC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种基于知识图谱的课程推荐方法,其特征在于,所述方法包括:
获取目标用户与课程推荐系统相关的个人属性信息和课程信息;
根据所述个人属性信息和所述课程信息构建多个实体节点,以及多个实体节点之间的关系;
基于所述多个实体节点和所述多个实体节点之间的关系,生成所述课程推荐系统的知识图谱;
根据所述知识图谱确定与所述目标用户对应的课程推荐结果。
2.根据权利要求1所述的方法,其特征在于,获取目标用户与课程推荐系统相关的个人属性信息和课程信息,包括:
在所述目标用户所属企业内部的资源管理系统中,抽取所述目标用户与所述课程推荐系统相关的所述个人属性信息,其中,所述个人属性信息包括如下至少之一:年龄、工龄、专业、家庭成员信息、学习经历、持有资格证书、岗位序列;
在所述目标用户所属企业内部的企业教育平台中,抽取所述目标用户与所述课程推荐系统相关的所述课程信息,其中,所述课程信息包括:感兴趣课程信息、已授课课程信息。
3.根据权利要求1所述的方法,其特征在于,根据所述知识图谱确定与所述目标用户对应的课程推荐结果,包括:
根据所述知识图谱确定所述目标用户的身份标签,其中,所述身份标签用于表征所述目标用户为讲师或者待授课学员;
若所述目标用户的身份标签指示所述目标用户为讲师,则根据所述知识图谱获取所述讲师的授课课程标签和持有资格证书,以及学员感兴趣课程标签;
根据所述授课课程标签和所述持有资格证书,以及所述学员感兴趣课程标签,确定与所述讲师对应的课程推荐结果。
4.根据权利要求3所述的方法,其特征在于,根据所述授课课程标签和所述持有资格证书,以及所述学员感兴趣课程标签,确定与所述讲师对应的课程推荐结果,包括:
根据所述讲师的持有资格证书,确定所述讲师是否满足目标讲师资格;
若所述讲师满足目标讲师资格,则根据所述授课课程标签确定讲师授课课程的课程简介信息,以及根据所述学员感兴趣课程标签确定学员感兴趣课程的课程简介信息;
基于所述讲师授课课程的课程简介信息和所述学员感兴趣课程的课程简介信息,确定与所述讲师对应的课程推荐结果。
5.根据权利要求4所述的方法,其特征在于,基于所述讲师授课课程的课程简介信息和所述学员感兴趣课程的课程简介信息,确定与所述讲师对应的课程推荐结果,包括:
采用关键字抽取算法,基于所述讲师授课课程的课程简介信息,抽取与所述讲师授课课程对应的课程关键词,以及基于所述学员感兴趣课程的课程简介信息,抽取所述学员感兴趣课程对应的课程关键词;
根据所述讲师授课课程对应的课程关键词和所述学员感兴趣课程对应的课程关键词,计算所述讲师授课课程与所述学员感兴趣课程之间的相似性;
根据所述讲师授课课程与所述学员感兴趣课程之间的相似性,确定与所述讲师对应的课程推荐结果。
6.根据权利要求1所述的方法,其特征在于,根据所述知识图谱确定与所述目标用户对应的课程推荐结果,包括:
根据所述知识图谱确定所述目标用户的身份标签;
若所述目标用户的身份标签指示所述目标用户为待授课学员,则获取所述待授课学员的学员感兴趣课程,以及与所述学员感兴趣课程匹配的推荐讲师信息;
将所述学员感兴趣课程和所述推荐讲师信息,作为与所述待授课学员对应的课程推荐结果。
7.根据权利要求6所述的方法,其特征在于,获取所述待授课学员的学员感兴趣课程,以及与所述学员感兴趣课程匹配的推荐讲师信息,包括:
获取根据多个学员的个人属性信息生成的数据字典,其中,多个学员中包含待授课学员和已授课学员,所述已授课学员对应的数字特征值已确定;
根据所述数据字典将所述待授课学员的个人属性信息进行数字化处理,得到数字特征值;
根据所述待授课学员的数字特征值和所述已授课学员对应的数字特征值,计算所述待授课学员与所述已授课学员之间的相似度;
根据所述待授课学员与所述已授课学员之间的相似度,确定所述待授课学员的学员感兴趣课程,以及与所述学员感兴趣课程匹配的推荐讲师信息。
8.一种基于知识图谱的课程推荐装置,其特征在于,所述装置包括:
获取模块,用于获取目标用户与课程推荐系统相关的个人属性信息和课程信息;
构建模块,用于根据所述个人属性信息和所述课程信息构建多个实体节点,以及多个实体节点之间的关系;
生成模块,用于基于所述多个实体节点和所述多个实体节点之间的关系,生成所述课程推荐系统的知识图谱;
确定模块,用于根据所述知识图谱确定与所述目标用户对应的课程推荐结果。
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求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,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的方法。
11.一种计算机程序产品,其特征在于,包括计算机程序,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790469.9A CN116595196A (zh) | 2023-06-29 | 2023-06-29 | 基于知识图谱的课程推荐方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790469.9A CN116595196A (zh) | 2023-06-29 | 2023-06-29 | 基于知识图谱的课程推荐方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116595196A true CN116595196A (zh) | 2023-08-15 |
Family
ID=87593948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310790469.9A Pending CN116595196A (zh) | 2023-06-29 | 2023-06-29 | 基于知识图谱的课程推荐方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116595196A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118037003A (zh) * | 2024-04-10 | 2024-05-14 | 禾辰纵横信息技术有限公司 | 一种在线学习课程优化排序方法和系统 |
CN118037003B (zh) * | 2024-04-10 | 2024-06-28 | 禾辰纵横信息技术有限公司 | 一种在线学习课程优化排序方法和系统 |
-
2023
- 2023-06-29 CN CN202310790469.9A patent/CN116595196A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118037003A (zh) * | 2024-04-10 | 2024-05-14 | 禾辰纵横信息技术有限公司 | 一种在线学习课程优化排序方法和系统 |
CN118037003B (zh) * | 2024-04-10 | 2024-06-28 | 禾辰纵横信息技术有限公司 | 一种在线学习课程优化排序方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kanwal et al. | Factors affecting e-learning adoption in developing countries–empirical evidence from Pakistan’s higher education sector | |
US20220391773A1 (en) | Method and system for artificial intelligence learning using messaging service and method and system for relaying answer using artificial intelligence | |
CN112507140B (zh) | 一种个性化智能学习推荐方法、装置、设备及存储介质 | |
Russell et al. | Examining teacher technology use: Implications for preservice and inservice teacher preparation | |
Gander et al. | Informatics education: Europe cannot afford to miss the boat | |
Altameem | Contextual mobile learning system for Saudi Arabian universities | |
CN111177413A (zh) | 学习资源推荐方法、装置和电子设备 | |
Uz Bilgin et al. | Facilitating contextual vocabulary learning in a mobile-supported situated learning environment | |
CN111475627B (zh) | 解答推导题目的检查方法、装置、电子设备及存储介质 | |
US20140337223A1 (en) | Modularity in a learning system | |
Hussein et al. | Cloud computing based e-learning in Malaysian universities | |
CN112287659B (zh) | 一种信息生成方法、装置、电子设备及存储介质 | |
US20140351269A1 (en) | Ability banks in a modular learning system | |
US20140350987A1 (en) | Hierarchical relationships between learners in a modular learning system | |
US20170358233A1 (en) | Teaching plan optimization | |
Vakaliuk et al. | Criteria for selecting open web-oriented technologies for teaching the basics of programming to future software engineers | |
Zhao et al. | Multi-objective heuristic decision making and benchmarking for mobile applications in English language learning | |
Wirawan et al. | The Development of an Android-Based Anggah-Ungguhing Balinese Language Dictionary. | |
Li et al. | Research on the strategy of E-Learning resources recommendation based on learning context | |
US9875663B2 (en) | Personalized testing of learning application performance in a modular learning system | |
US10452775B2 (en) | Learning application template management in a modular learning system | |
Yang et al. | Design of distance assistance system for intelligent education by web-based applications | |
US9881307B2 (en) | Certification of learning applications in a modular learning system | |
CN116595196A (zh) | 基于知识图谱的课程推荐方法、装置、电子设备及介质 | |
US20140344177A1 (en) | Learner Ranking Method 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 |