CN117273259B - 在线课程学习路径推荐方法和装置 - Google Patents

在线课程学习路径推荐方法和装置 Download PDF

Info

Publication number
CN117273259B
CN117273259B CN202310669011.8A CN202310669011A CN117273259B CN 117273259 B CN117273259 B CN 117273259B CN 202310669011 A CN202310669011 A CN 202310669011A CN 117273259 B CN117273259 B CN 117273259B
Authority
CN
China
Prior art keywords
course
courses
learning
determining
recommended
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.)
Active
Application number
CN202310669011.8A
Other languages
English (en)
Other versions
CN117273259A (zh
Inventor
郭润奇
郭悦
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.)
Individual
Original Assignee
Individual
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202310669011.8A priority Critical patent/CN117273259B/zh
Publication of CN117273259A publication Critical patent/CN117273259A/zh
Application granted granted Critical
Publication of CN117273259B publication Critical patent/CN117273259B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明提供了一种在线课程学习路径推荐方法和装置,涉及网络技术领域,其中方法包括:确定待推荐对象的学习目标和已完成课程;确定与待推荐对象具有相同学习目标且实现学习目标的参考对象集合;获取参考对象集合中每一个参考对象的课程学习路径,根据每一个参考对象的课程学习路径中的各课程,确定对应学习目标的课程集合;确定课程集合中任意两个课程之间的先后顺序分值;将课程集合中的各课程按照课程内容进行分类,得到多个分类;根据先后顺序分值和已完成课程,将多个分类按照先后顺序进行排序;根据分类排序结果确定为待推荐对象在已完成课程的基础上推荐的后续学习路径。本方案,能够推荐具有学习顺序的学习路径,提高推荐效果。

Description

在线课程学习路径推荐方法和装置
技术领域
本发明实施例涉及网络技术领域,特别涉及一种在线课程学习路径推荐方法和装置。
背景技术
随着互联网技术的快速发展和普及应用,网络在线课程逐渐成为人们关注的焦点。用户可以在在线课程平台上选择所需的在线课程进行学习。现有技术中,在线课程平台可以基于用户学习目标,为用户推荐多个在线课程供其选择。但是需要用户自行决定学习顺序,推荐效果较差。
发明内容
本发明实施例提供了一种在线课程学习路径推荐方法和装置,能够推荐具有学习顺序的学习路径,提高推荐效果。
第一方面,本发明实施例提供了一种在线课程学习路径推荐方法,包括:
确定待推荐对象的学习目标和针对所述学习目标进行的已完成课程;
确定与所述待推荐对象具有相同学习目标且实现所述学习目标的参考对象集合;
获取所述参考对象集合中每一个参考对象的课程学习路径,根据每一个参考对象的课程学习路径中的各课程,确定对应所述学习目标的课程集合;
根据每一个参考对象的课程学习路径,确定所述课程集合中任意两个课程之间的先后顺序分值;所述先后顺序分值用于表示一个课程在另一个课程之后的顺序关系;
将所述课程集合中的各课程按照课程内容进行分类,得到多个分类;每一个分类中包括至少一个课程;
根据所述先后顺序分值和所述已完成课程,将所述多个分类按照先后顺序进行排序;
根据分类排序结果确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径;所述后续学习路径上的课程均位于所述课程集合中。
优选地,所述根据每一个参考对象的课程学习路径,确定所述课程集合中任意两个课程之间的先后顺序分值,包括:
对于所述课程集合中的第一课程和第二课程,确定各参考对象的课程学习路径中,所述第二课程位于所述第一课程之后的第一课程学习路径,以及所述第一课程位于所述第二课程之后的第二课程学习路径;
确定每一条第一课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第一课程学习路径的数量乘积,确定为所述第二课程位于所述第一课程之后的先后顺序分值;
确定每一条第二课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第二课程学习路径的数量乘积,确定为所述第一课程位于所述第二课程之后的先后顺序分值。
优选地,所述根据所述先后顺序分值和所述已完成课程,将所述多个分类按照先后顺序进行排序,包括:
确定所述已完成课程中是否存在不属于所述课程集合的非参考课程;
若存在,则删除所述非参考课程,并根据剩余的已完成课程所属分类,确定所述多个分类中的已完成分类和未完成分类;
根据剩余的已完成课程的先后顺序对所述已完成分类进行第一排序;
根据第一排序结果和所述先后顺序分值对所述未完成分类进行第二排序。
优选地,所述根据剩余的已完成课程的先后顺序对所述已完成分类进行第一排序,包括:
若剩余的已完成课程中存在多个已完成课程属于同一个分类,则将该属于同一个分类的多个已完成课程中的任意一个课程的位置作为所属分类在先后顺序上的位置。
优选地,所述根据第一排序结果和所述先后顺序分值对所述未完成分类进行第二排序,包括:
确定未完成分类可实现的排序组合;
将每一个排序组合添加至所述第一排序结果之后,形成新的排序组合;
针对每一个新的排序组合,确定该新的排序组合中,每相邻两个分类之间后一个分类位于前一个分类之后的先后顺序平均分值,并将各先后顺序平均分值之和确定为该新的排序组合的先后顺序总分值;
将每一个新的排序组合中最大先后顺序总分值对应的排序组合确定为对所述未完成分类的第二排序结果。
优选地,所述根据分类排序结果确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径,包括:
从每一个所述未完成分类中选择一个课程按照第二排序结果组成一条推荐路径,得到推荐路径集合;
根据所述推荐路径集合,确定为所述待推荐对象在已完成课程的基础上推荐的后续学习路径。
优选地,还包括:
当确定所述待推荐对象未按照所述后续学习路径选择课程时,则更新所述已完成课程,并重新确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径。
第二方面,本发明实施例还提供了一种在线课程学习路径推荐装置,包括:
第一确定单元,用于确定待推荐对象的学习目标和针对所述学习目标进行的已完成课程;
第二确定单元,用于确定与所述待推荐对象具有相同学习目标且实现所述学习目标的参考对象集合;
第三确定单元,用于获取所述参考对象集合中每一个参考对象的课程学习路径,根据每一个参考对象的课程学习路径中的各课程,确定对应所述学习目标的课程集合;
第四确定单元,用于根据每一个参考对象的课程学习路径,确定所述课程集合中任意两个课程之间的先后顺序分值;所述先后顺序分值用于表示一个课程在另一个课程之后的顺序关系;
分类单元,用于将所述课程集合中的各课程按照课程内容进行分类,得到多个分类;每一个分类中包括至少一个课程;
排序单元,用于根据所述先后顺序分值和所述已完成课程,将所述多个分类按照先后顺序进行排序;
推荐单元,用于根据分类排序结果确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径;所述后续学习路径上的课程均位于所述课程集合中。
第三方面,本发明实施例还提供了一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本说明书任一实施例所述的方法。
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,当所述计算机程序在计算机中执行时,令计算机执行本说明书任一实施例所述的方法。
本发明实施例提供了一种在线课程学习路径推荐方法和装置,由于参考对象集合中各参考对象的学习目标与待推荐对象的学习目标相同,且各参考对象已实现该学习目标,可见利用参考对象的课程学习路径中各课程形成的课程集合对待推荐对象更具有参考价值,课程集合中的课程几乎涵盖了能够实现学习目标的各个课程阶段,通过将课程集合中各课程按照课程内容进行分类,得到的多个分类即对应实现学习目标的各个课程阶段;并且,每一个参考对象的课程学习路径中各课程具有先后顺序,可以确定出课程集合中任意两个课程之间的先后顺序分值,该先后顺序分值用于表示一个课程在另一个课程之后的顺序关系,也就是说在学习多个课程时存在一定的学习顺序,相对于随机选择课程的顺序进行学习,按照一定学习顺序进行学习可以使得学习效果更佳,因此可以利用课程之间的先后顺序分值对多个分类进行排序,以得到多个课程阶段的学习顺序;此外,由于待推荐对象存在已完成课程,因此,需要利用已完成课程和排序结果为待推荐对象推荐后续学习路径,使得待推荐对象可以按照推荐的后续学习路径上各课程的先后顺序进行课程学习,无需自行决定学习顺序,从而可以提高推荐效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明一实施例提供的一种在线课程学习路径推荐方法流程图;
图2是本发明一实施例提供的一种分类排序方法流程图;
图3是本发明一实施例提供的一种计算设备的硬件架构图;
图4是本发明一实施例提供的一种在线课程学习路径推荐装置结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,本发明实施例提供了一种在线课程学习路径推荐方法,该方法包括:
步骤100,确定待推荐对象的学习目标和针对所述学习目标进行的已完成课程;
步骤102,确定与所述待推荐对象具有相同学习目标且实现所述学习目标的参考对象集合;
步骤104,获取所述参考对象集合中每一个参考对象的课程学习路径,根据每一个参考对象的课程学习路径中的各课程,确定对应所述学习目标的课程集合;
步骤106,根据每一个参考对象的课程学习路径,确定所述课程集合中任意两个课程之间的先后顺序分值;所述先后顺序分值用于表示一个课程在另一个课程之后的顺序关系;
步骤108,将所述课程集合中的各课程按照课程内容进行分类,得到多个分类;每一个分类中包括至少一个课程;
步骤110,根据所述先后顺序分值和所述已完成课程,将所述多个分类按照先后顺序进行排序;
步骤112,根据分类排序结果确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径;所述后续学习路径上的课程均位于所述课程集合中。
本发明实施例中,由于参考对象集合中各参考对象的学习目标与待推荐对象的学习目标相同,且各参考对象已实现该学习目标,可见利用参考对象的课程学习路径中各课程形成的课程集合对待推荐对象更具有参考价值,课程集合中的课程几乎涵盖了能够实现学习目标的各个课程阶段,通过将课程集合中各课程按照课程内容进行分类,得到的多个分类即对应实现学习目标的各个课程阶段;并且,每一个参考对象的课程学习路径中各课程具有先后顺序,可以确定出课程集合中任意两个课程之间的先后顺序分值,该先后顺序分值用于表示一个课程在另一个课程之后的顺序关系,也就是说在学习多个课程时存在一定的学习顺序,相对于随机选择课程的顺序进行学习,按照一定学习顺序进行学习可以使得学习效果更佳,因此可以利用课程之间的先后顺序分值对多个分类进行排序,以得到多个课程阶段的学习顺序;此外,由于待推荐对象存在已完成课程,因此,需要利用已完成课程和排序结果为待推荐对象推荐后续学习路径,使得待推荐对象可以按照推荐的后续学习路径上各课程的先后顺序进行课程学习,无需自行决定学习顺序,从而可以提高推荐效果。
下面描述图1所示的各个步骤的执行方式。
首先,针对步骤100“确定待推荐对象的学习目标和针对所述学习目标进行的已完成课程”和步骤102“确定与所述待推荐对象具有相同学习目标且实现所述学习目标的参考对象集合”同时进行说明。
其中,学习目标可以是对象在该在线课程学习平台上初次注册时填写问卷信息时输入的,也可以是对象在该在线课程学习平台上以该学习目标为检索条件进行课程检索时输入的。比如,该学习目标是“英语四级”“雅思”等。
在具体应用中,本发明实施例可以应用在服务器中,对象(即需要学习在线课程的用户)可以在终端上登陆在线课程学习平台,基于学习目标向服务器发起学习路径推荐请求,终端将对象属性信息和该学习目标发送给服务器,服务器针对该学习目标为该对象推荐学习路径。
待推荐对象在向服务器发起学习路径推荐请求时,可以预先针对该学习目标进行了部分课程的学习;也可以是未对该学习目标进行任何课程的学习,即已完成课程为0。
本发明一个实施例中,可以确定与待推荐对象具有相同学习目标且实现该学习目标的参考对象集合,由于参考对象集合中的各参考对象已经实现该学习目标,因此,这些参考对象的课程学习路径非常具有参考价值,基于这些参考对象的课程学习路径进行学习路径的推荐,能够大大提高推荐效果。
其中,实现该学习目标可以包括:成绩合格、成绩与总分比例超出设定比例等。本实施例中,可以通过学习效果的反馈来确定对象是否实现该学习目标。
然后针对步骤104“获取参考对象集合中每一个参考对象的课程学习路径,根据每一个参考对象的课程学习路径中的各课程,确定对应该学习目标的课程集合”进行说明。
服务器中存储有每一个参考对象在针对该学习目标进行课程学习时的记录,基于该记录可以形成该参考对象的课程学习路径。该课程学习路径上的课程均是针对该学习目标进行的。
本发明一个实施例中,由于这些参考对象在按照对应课程学习路径完成各课程的学习之后,实现了该学习目标,因此这些课程以及课程的学习顺序对实现该学习目标具有非常大的参考价值,可以将各参考对象的课程学习路径中的课程全部加入到对应该学习目标的课程集合中,以提高参考课程的覆盖面。
进一步地,各参考对象在进行课程学习时,可能存在选择的一部分课程对实现学习目标的作用不大,因此,本发明一个实施例中,可以将上述得到的课程集合中课程重复率最低的若干个课程删除,得到处理后的课程集合。通过剔除参考价值低的课程,降低课程的冗余,进而降低后续过程的计算量。
接下来针对步骤106“根据每一个参考对象的课程学习路径,确定课程集合中任意两个课程之间的先后顺序分值;该先后顺序分值用于表示一个课程在另一个课程之后的顺序关系”。
对实现学习目标具有参考价值的不仅仅在于参考对象学习过的课程,还在于参考对象在学习这些课程时的先后顺序。因为课程之间存在一定关联,需要按照一定顺序进行学习,先学完的课程为后续课程的学习提供理论基础,以更好的理解和学习后续课程,如此更有利于实现学习目标。
在本发明实施例中,可以使用先后顺序分值来表示两个课程之间的顺序关系。先后顺序分值越大,表明该两个课程越需要按照该先后顺序进行排序。
在本发明一个实施例中,本步骤106至少可以通过如下一种方式确定两个课程之间的先后顺序分值,该方式包括步骤S61-S63:
S61、对于所述课程集合中的第一课程和第二课程,确定各参考对象的课程学习路径中,所述第二课程位于所述第一课程之后的第一课程学习路径,以及所述第一课程位于所述第二课程之后的第二课程学习路径。
两个课程之间存在两种顺序关系,一种是第二课程位于第一课程之后,另一种是第一课程位于第二课程之后。因此,本实施例中需要针对两种顺序关系分别确定先后顺序分值。
由于不同参考对象选择学习的课程存在不同,且存在参考对象未同时选择第一课程和第二课程的情况,本实施例中,可以先在各参考对象的课程学习路径中,确定同时包含第一课程和第二课程的课程学习路径,然后,进一步确定课程学习路径中第二课程位于第一课程之后的第一课程学习路径,以及第一课程位于第二课程之后的第二课程学习路径。
S62、确定每一条第一课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第一课程学习路径的数量乘积,确定为所述第二课程位于所述第一课程之后的先后顺序分值。
在本发明实施例中,第一课程和第二课程之间的间隔课程数量越多,表明其先后顺序的需求越大,因此,间隔课程数量对应的量化值可以与间隔课程数量呈正相关关系。示例性的,若第一课程与第二课程相邻,则间隔课程数量为0,将间隔课程数量为0的量化值取基础量化值,比如基础量化值为1,然后间隔课程数量逐渐增加,量化值也逐渐增加。比如,间隔课程数量的量化值与基础量化值的关系可以为:An=A0*(n+1)。其中,An为间隔课程数量为n(n为不小于0的整数)时对应的量化值,A0为基础量化值。
在每一个第一课程学习路径中,分别可以确定第一课程与第二课程的间隔课程数量,进而利用上述公式计算得到间隔课程数量的量化值。本实施例中,将各第一课程学习路径的量化值之和与第一课程学习路径的数量的乘积,作为第二课程位于第一课程之后的先后顺序分值。
S63、确定每一条第二课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第二课程学习路径的数量乘积,确定为所述第一课程位于所述第二课程之后的先后顺序分值。
本步骤S63与步骤S62同理,具体请参考步骤S62的相关描述,本实施例在此不在赘述。
需要说明的是,除上述先后顺序分值的计算方式以外,还可以使用其它计算方式。比如,仅将第一课程与第二课程处于相邻关系的课程学习路径作为计算先后顺序分值的第一课程学习路径或第二课程学习路径,然后使用第一课程学习路径的数量或第二课程学习路径的数量,除以第一课程与第二课程处于相邻关系的课程学习路径总数量,作为第二课程位于第一课程之后的先后顺序分值或作为第一课程位于第二课程之后的先后顺序分值。
继续针对步骤108“将所述课程集合中的各课程按照课程内容进行分类,得到多个分类;每一个分类中包括至少一个课程”和步骤110“根据所述先后顺序分值和所述已完成课程,将所述多个分类按照先后顺序进行排序”进行说明。
由于课程集合几乎涵盖了实现该学习目标的各个课程阶段,为了保证待推荐对象能够将上述各个课程阶段所对应的课程学习完,提高实现学习目标的概率,可以将课程集合中的各课程按照课程内容进行分类,每一个分类对应一个课程阶段。
在本发明实施例中,在线课程学习平台一般会通过文字对课程内容进行介绍,以供对象进行参考,决定是否学习该课程。因此,服务器在确定课程内容时,可以获取课程的详情介绍信息,并根据详情介绍信息作为该课程的课程内容。
在本发明实施例中,可以采用聚类算法对课程集合中的各课程进行分类,比如,KNN算法、Kmeans、密度聚类、层次聚类等。
在本发明实施例中,分类数量的K值可以通过自适应方式确定,也可以将各参考对象的课程学习路径上包含的课程数量的均值、中位数或众数,确定为分类数量的K值。
由于课程之间存在先后顺序关系,因此,按照课程内容进行分类后,各个分类之间也存在先后顺序关系。
请参考图2,本发明实施例至少可以通过如下步骤实现多个分类的排序:
S20、确定已完成课程中是否存在不属于课程集合的非参考课程;若存在,则执行S21;若不存在,则执行步骤S22。
S21、删除非参考课程,并执行S22。
由于待推荐对象在向服务器请求推荐学习路径之前,可能存在随机选择的课程进行了学习,而这些已完成课程可能属于课程集合,也可能存在不属于课程集合的非参考课程,而非参考课程对实现学习目标的参考价值较低,因此,可以将非参考课程删除,不作为所需推荐的学习路径上的课程。
需要说明的是,该已完成课程也可能为0,当已完成课程为0时,可以将多个分类均确定为未完成分类进行第二排序。
S22、根据剩余的已完成课程所属分类,确定多个分类中的已完成分类和未完成分类。
由于删除非参考课程之后,每一个剩余的已完成课程均对应多个分类中的某一个分类。因此,可以通过相似度计算来确定每一个剩余的已完成课程的所属分类。
举例来说,多个分类分别为分类1~10,当前存在3个剩余的已完成课程,分别为课程1~3,其中,课程1和课程3属于分类1,课程2属于分类2,那么可以确定10个分类中的已完成分类分别为分类1和分类2,未完成分类分别为分类3~10。
S23、根据剩余的已完成课程的先后顺序对所述已完成分类进行第一排序。
由于已完成分类所对应的课程阶段已完成学习,因此,可以不再为待推荐对象推荐该已完成分类的课程,但是,已完成分类的先后顺序对后续学习路径的推荐存在一定影响,因此,需要确定已完成分类的排序。
具体地,本发明一个实施例中,可以判断剩余的已完成课程中是否存在多个已完成课程属于同一个分类,若是,则将该属于同一个分类的多个已完成课程中的任意一个课程的位置作为所属分类在先后顺序上的位置;否则,将已完成课程的位置作为所属分类再先后顺序上的位置。
继续上述步骤中的举例,假如课程1~课程3的先后顺序为课程1→课程2→课程3,那么对分类1和分类2进行排序的方式可以为:分类1→分类2,或,分类2→分类1。
除上述方式对已完成分类进行排序以外,还可以使用其它方式对已完成分类进行排序,比如,将已完成课程的先后顺序确定为所属分类的先后顺序。继续上述举例,课程1~课程3的先后顺序为课程1→课程2→课程3,则已完成分类的顺序为分类→分类2→分类1。
S24、根据第一排序结果和所述先后顺序分值对所述未完成分类进行第二排序。
本步骤中,若存在第一排序结果,则利用第一排序结果和课程间的先后顺序分值对未完成分类进行第二排序;若不存在第一排序结果,则直接利用课程间的先后顺序分值对未完成分类进行第二排序。
在本发明一个实施例中,至少可以通过如下一种实现过程对未完成分类进行第二排序:
S241、确定未完成分类可实现的排序组合。
S242、将每一个排序组合添加至第一排序结果之后,形成新的排序组合。
比如,针对分类3→分类4→分类5→分类6→分类7→分类8→分类9→分类10这一排序组合,将其添加至第一排序结果分类1→分类2之后,形成新的排序组合为:分类1→分类2→分类3→分类4→分类5→分类6→分类7→分类8→分类9→分类10。
S243、针对每一个新的排序组合,确定该新的排序组合中,每相邻两个分类之间后一个分类位于前一个分类之后的先后顺序平均分值,并将各先后顺序平均分值之和确定为该新的排序组合的先后顺序总分值。
以相邻的两个分类为分类3和分类4为例,分类3中包括课程31、课程32和课程33,分类4中包括课程41和课程42,那么分类4位于分类3之后的先后顺序平均分值的计算方式可以包括如下一种方式:
针对后一个分类4中的每一个课程,均执行:计算该课程位于前一个分类3中每一个课程之后的先后顺序分值,并计算该课程的先后顺序分值之和;
将后一个分类4中每一个课程的先后顺序分值之和相加,除以后一个分类4中课程数量与前一个分类3中课程数量乘积,将得到的商值作为后一个分类4位于前一个分类3之后的先后顺序平均分值。
将上述每相邻两个分类之间的先后顺序平均分值相加,得到该新的排序组合的先后顺序总分值。其中,该先后顺序总分值越大,表明该顺序排列的越准确。
S244、将每一个新的排序组合中最大先后顺序总分值对应的排序组合确定为对所述未完成分类的第二排序结果。
示例性的,第二排序结果为:分类8→分类4→分类6→分类10→分类3→分类5→分类9→分类7。
需要说明的是,除上述分类排序方式以外,还可以使用其它方式进行排序,比如,不考虑已完成分类的排序,直接对未完成分类进行排序,以未完成分类的排序结果为待推荐对象推荐后续学习课程,以降低计算量,提高推荐效率。
最后针对步骤112,根据分类排序结果确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径;所述后续学习路径上的课程均位于所述课程集合中。
在本发明实施例中,在确定后续学习路径时,可以包括:从每一个所述未完成分类中选择一个课程按照第二排序结果组成一条推荐路径,得到推荐路径集合;根据所述推荐路径集合,确定为所述待推荐对象在已完成课程的基础上推荐的后续学习路径。
其中,推荐路径集合中每一条后续学习路径的课程数量与未完成分类数量相同,且是从按照第二排序结果的各未完成分类中一一对应取得。
一个实施例中,可以将推荐路径集合中至少一条后续学习路径作为为待推荐对象推荐的后续学习路径。
另一个实施例中,也可以从推荐路径集合中选择一条先后顺序分值之和最大的后续学习路径作为为待推荐对象推荐的后续学习路径。
在本发明一个实施例中,若服务器为待推荐对象推荐了后续学习路径之后,还可以包括:当确定所述待推荐对象未按照所述后续学习路径选择课程时,则更新所述已完成课程,并重新确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径。
本发明实施例中,由于参考对象集合中各参考对象的学习目标与待推荐对象的学习目标相同,且各参考对象已实现该学习目标,可见利用参考对象的课程学习路径中各课程形成的课程集合对待推荐对象更具有参考价值,课程集合中的课程几乎涵盖了能够实现学习目标的各个课程阶段,通过将课程集合中各课程按照课程内容进行分类,得到的多个分类即对应实现学习目标的各个课程阶段;并且,每一个参考对象的课程学习路径中各课程具有先后顺序,可以确定出课程集合中任意两个课程之间的先后顺序分值,该先后顺序分值用于表示一个课程在另一个课程之后的顺序关系,也就是说在学习多个课程时存在一定的学习顺序,相对于随机选择课程的顺序进行学习,按照一定学习顺序进行学习可以使得学习效果更佳,因此可以利用课程之间的先后顺序分值对多个分类进行排序,以得到多个课程阶段的学习顺序;此外,由于待推荐对象存在已完成课程,因此,需要利用已完成课程和排序结果为待推荐对象推荐后续学习路径,使得待推荐对象可以按照推荐的后续学习路径上各课程的先后顺序进行课程学习,无需自行决定学习顺序,从而可以提高推荐效果。
本发明实施例中,由于不同对象学习基础的不同,因此某一个参考对象的课程学习路径仅能够表明该参考对象使用该课程学习路径能够实现学习目标,并不能完全表明其它对象使用该课程学习路径能够实现学习目标,因此本实施例并未按照某一个参考对象的课程学习路径作为为待推荐对象推荐的后续学习路径,而是将由参考课程形成的课程集合中各参考课程进行分类,使得分类尽量覆盖实现学习目标的各个课程阶段,并从每一个分类中分别选择一个课程推荐给待推荐对象,使得待推荐对象能够学完各个课程阶段,可以提高实现学习目标的概率。
如图3、图4所示,本发明实施例提供了一种在线课程学习路径推荐装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图3所示,为本发明实施例提供的一种在线课程学习路径推荐装置所在计算设备的一种硬件架构图,除了图3所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的计算设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图4所示,作为一个逻辑意义上的装置,是通过其所在计算设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。本实施例提供的一种在线课程学习路径推荐装置,包括:
第一确定单元401,用于确定待推荐对象的学习目标和针对所述学习目标进行的已完成课程;
第二确定单元402,用于确定与所述待推荐对象具有相同学习目标且实现所述学习目标的参考对象集合;
第三确定单元403,用于获取所述参考对象集合中每一个参考对象的课程学习路径,根据每一个参考对象的课程学习路径中的各课程,确定对应所述学习目标的课程集合;
第四确定单元404,用于根据每一个参考对象的课程学习路径,确定所述课程集合中任意两个课程之间的先后顺序分值;所述先后顺序分值用于表示一个课程在另一个课程之后的顺序关系;
分类单元405,用于将所述课程集合中的各课程按照课程内容进行分类,得到多个分类;每一个分类中包括至少一个课程;
排序单元406,用于根据所述先后顺序分值和所述已完成课程,将所述多个分类按照先后顺序进行排序;
推荐单元407,用于根据分类排序结果确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径;所述后续学习路径上的课程均位于所述课程集合中。
在本发明一个实施例中,所述第四确定单元404,具体用于对于所述课程集合中的第一课程和第二课程,确定各参考对象的课程学习路径中,所述第二课程位于所述第一课程之后的第一课程学习路径,以及所述第一课程位于所述第二课程之后的第二课程学习路径;确定每一条第一课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第一课程学习路径的数量乘积,确定为所述第二课程位于所述第一课程之后的先后顺序分值;确定每一条第二课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第二课程学习路径的数量乘积,确定为所述第一课程位于所述第二课程之后的先后顺序分值。
在本发明一个实施例中,所述排序单元406,具体用于确定所述已完成课程中是否存在不属于所述课程集合的非参考课程;若存在,则删除所述非参考课程,并根据剩余的已完成课程所属分类,确定所述多个分类中的已完成分类和未完成分类;根据剩余的已完成课程的先后顺序对所述已完成分类进行第一排序;根据第一排序结果和所述先后顺序分值对所述未完成分类进行第二排序。
在本发明一个实施例中,所述排序单元406在执行所述根据剩余的已完成课程的先后顺序对所述已完成分类进行第一排序时,具体包括:
若剩余的已完成课程中存在多个已完成课程属于同一个分类,则将该属于同一个分类的多个已完成课程中的任意一个课程的位置作为所属分类在先后顺序上的位置。
在本发明一个实施例中,所述排序单元406在执行所述根据第一排序结果和所述先后顺序分值对所述未完成分类进行第二排序时,具体包括:
确定未完成分类可实现的排序组合;
将每一个排序组合添加至所述第一排序结果之后,形成新的排序组合;
针对每一个新的排序组合,确定该新的排序组合中,每相邻两个分类之间后一个分类位于前一个分类之后的先后顺序平均分值,并将各先后顺序平均分值之和确定为该新的排序组合的先后顺序总分值;
将每一个新的排序组合中最大先后顺序总分值对应的排序组合确定为对所述未完成分类的第二排序结果。
在本发明一个实施例中,所述推荐单元407具体用于从每一个所述未完成分类中选择一个课程按照第二排序结果组成一条推荐路径,得到推荐路径集合;根据所述推荐路径集合,确定为所述待推荐对象在已完成课程的基础上推荐的后续学习路径。
在本发明一个实施例中,所述推荐单元407还用于当确定所述待推荐对象未按照所述后续学习路径选择课程时,则更新所述已完成课程,并重新确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径。
可以理解的是,本发明实施例示意的结构并不构成对一种在线课程学习路径推荐装置的具体限定。在本发明的另一些实施例中,一种在线课程学习路径推荐装置可以包括比图示更多或者更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例还提供了一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本发明任一实施例中的一种在线课程学习路径推荐方法。
本发明实施例还提供了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计算机程序,所述计算机程序在被处理器执行时,使所述处理器执行本发明任一实施例中的一种在线课程学习路径推荐方法。
具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例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同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种在线课程学习路径推荐方法,其特征在于,包括:
确定待推荐对象的学习目标和针对所述学习目标进行的已完成课程;
确定与所述待推荐对象具有相同学习目标且实现所述学习目标的参考对象集合;
获取所述参考对象集合中每一个参考对象的课程学习路径,根据每一个参考对象的课程学习路径中的各课程,确定对应所述学习目标的课程集合;
根据每一个参考对象的课程学习路径,确定所述课程集合中任意两个课程之间的先后顺序分值,具体包括:对于所述课程集合中的第一课程和第二课程,确定各参考对象的课程学习路径中,所述第二课程位于所述第一课程之后的第一课程学习路径,以及所述第一课程位于所述第二课程之后的第二课程学习路径;确定每一条第一课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第一课程学习路径的数量乘积,确定为所述第二课程位于所述第一课程之后的先后顺序分值;确定每一条第二课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第二课程学习路径的数量乘积,确定为所述第一课程位于所述第二课程之后的先后顺序分值;所述先后顺序分值用于表示一个课程在另一个课程之后的顺序关系;两个课程的先后顺序分值越大,则该两个课程越需要按照该先后顺序进行排序;
将所述课程集合中的各课程按照课程内容进行分类,得到多个分类;每一个分类中包括至少一个课程;
确定所述已完成课程中是否存在不属于所述课程集合的非参考课程;若存在,则删除所述非参考课程,并根据剩余的已完成课程所属分类,确定所述多个分类中的已完成分类和未完成分类;根据剩余的已完成课程的先后顺序对所述已完成分类进行第一排序;确定未完成分类可实现的排序组合;将每一个排序组合添加至第一排序结果之后,形成新的排序组合;针对每一个新的排序组合,确定该新的排序组合中,每相邻两个分类之间后一个分类位于前一个分类之后的先后顺序平均分值,并将各先后顺序平均分值之和确定为该新的排序组合的先后顺序总分值;将每一个新的排序组合中最大先后顺序总分值对应的排序组合确定为对所述未完成分类的第二排序结果;
根据分类排序结果确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径;所述后续学习路径上的课程均位于所述课程集合中。
2.根据权利要求1所述的方法,其特征在于,所述根据剩余的已完成课程的先后顺序对所述已完成分类进行第一排序,包括:
若剩余的已完成课程中存在多个已完成课程属于同一个分类,则将该属于同一个分类的多个已完成课程中的任意一个课程的位置作为所属分类在先后顺序上的位置。
3.根据权利要求1所述的方法,其特征在于,所述根据分类排序结果确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径,包括:
从每一个所述未完成分类中选择一个课程按照第二排序结果组成一条推荐路径,得到推荐路径集合;
根据所述推荐路径集合,确定为所述待推荐对象在已完成课程的基础上推荐的后续学习路径。
4.根据权利要求1-3中任一所述的方法,其特征在于,还包括:
当确定所述待推荐对象未按照所述后续学习路径选择课程时,则更新所述已完成课程,并重新确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径。
5.一种在线课程学习路径推荐装置,其特征在于,包括:
第一确定单元,用于确定待推荐对象的学习目标和针对所述学习目标进行的已完成课程;
第二确定单元,用于确定与所述待推荐对象具有相同学习目标且实现所述学习目标的参考对象集合;
第三确定单元,用于获取所述参考对象集合中每一个参考对象的课程学习路径,根据每一个参考对象的课程学习路径中的各课程,确定对应所述学习目标的课程集合;
第四确定单元,用于根据每一个参考对象的课程学习路径,确定所述课程集合中任意两个课程之间的先后顺序分值,具体包括:对于所述课程集合中的第一课程和第二课程,确定各参考对象的课程学习路径中,所述第二课程位于所述第一课程之后的第一课程学习路径,以及所述第一课程位于所述第二课程之后的第二课程学习路径;确定每一条第一课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第一课程学习路径的数量乘积,确定为所述第二课程位于所述第一课程之后的先后顺序分值;确定每一条第二课程学习路径中所述第一课程与所述第二课程的间隔课程数量,将间隔课程数量对应的量化值之和与第二课程学习路径的数量乘积,确定为所述第一课程位于所述第二课程之后的先后顺序分值;所述先后顺序分值用于表示一个课程在另一个课程之后的顺序关系;两个课程的先后顺序分值越大,则该两个课程越需要按照该先后顺序进行排序;
分类单元,用于将所述课程集合中的各课程按照课程内容进行分类,得到多个分类;每一个分类中包括至少一个课程;
排序单元,用于确定所述已完成课程中是否存在不属于所述课程集合的非参考课程;若存在,则删除所述非参考课程,并根据剩余的已完成课程所属分类,确定所述多个分类中的已完成分类和未完成分类;根据剩余的已完成课程的先后顺序对所述已完成分类进行第一排序;确定未完成分类可实现的排序组合;将每一个排序组合添加至第一排序结果之后,形成新的排序组合;针对每一个新的排序组合,确定该新的排序组合中,每相邻两个分类之间后一个分类位于前一个分类之后的先后顺序平均分值,并将各先后顺序平均分值之和确定为该新的排序组合的先后顺序总分值;将每一个新的排序组合中最大先后顺序总分值对应的排序组合确定为对所述未完成分类的第二排序结果;
推荐单元,用于根据分类排序结果确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径;所述后续学习路径上的课程均位于所述课程集合中。
6.根据权利要求5所述的装置,其特征在于,所述排序单元在执行所述根据剩余的已完成课程的先后顺序对所述已完成分类进行第一排序时,具体包括:
若剩余的已完成课程中存在多个已完成课程属于同一个分类,则将该属于同一个分类的多个已完成课程中的任意一个课程的位置作为所属分类在先后顺序上的位置。
7.根据权利要求5所述的装置,其特征在于,所述推荐单元具体用于从每一个所述未完成分类中选择一个课程按照第二排序结果组成一条推荐路径,得到推荐路径集合;根据所述推荐路径集合,确定为所述待推荐对象在已完成课程的基础上推荐的后续学习路径。
8.根据权利要求5-7中任一所述的装置,其特征在于,所述推荐单元还用于当确定所述待推荐对象未按照所述后续学习路径选择课程时,则更新所述已完成课程,并重新确定为所述待推荐对象在所述已完成课程的基础上推荐的后续学习路径。
9.一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-4中任一项所述的方法。
CN202310669011.8A 2023-06-06 在线课程学习路径推荐方法和装置 Active CN117273259B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310669011.8A CN117273259B (zh) 2023-06-06 在线课程学习路径推荐方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310669011.8A CN117273259B (zh) 2023-06-06 在线课程学习路径推荐方法和装置

Publications (2)

Publication Number Publication Date
CN117273259A CN117273259A (zh) 2023-12-22
CN117273259B true CN117273259B (zh) 2024-05-31

Family

ID=

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106023015A (zh) * 2016-05-18 2016-10-12 腾讯科技(深圳)有限公司 课程学习路径推荐方法及装置
CN110990691A (zh) * 2019-11-14 2020-04-10 泰康保险集团股份有限公司 一种在线课程推荐方法、装置及计算机存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106023015A (zh) * 2016-05-18 2016-10-12 腾讯科技(深圳)有限公司 课程学习路径推荐方法及装置
CN110990691A (zh) * 2019-11-14 2020-04-10 泰康保险集团股份有限公司 一种在线课程推荐方法、装置及计算机存储介质

Similar Documents

Publication Publication Date Title
US8195674B1 (en) Large scale machine learning systems and methods
Zhou et al. Streamwise feature selection.
CN110598086B (zh) 文章推荐方法、装置、计算机设备及存储介质
CN107330798B (zh) 一种基于种子节点传播的社交网络间用户身份识别方法
CN107145545B (zh) 一种基于位置的社交网络中Top-k区域用户文本数据推荐方法
CN109388634B (zh) 地址信息的处理方法、终端设备及计算机可读存储介质
CN114090663B (zh) 应用人工智能的用户需求预测方法及大数据优化系统
CN113011471A (zh) 一种社交群体的划分方法、划分系统及相关装置
US10346856B1 (en) Personality aggregation and web browsing
CN111831898A (zh) 排序方法、装置、电子设备及可读存储介质
CN112711944B (zh) 一种分词方法、系统、分词器生成方法及系统
CN117273259B (zh) 在线课程学习路径推荐方法和装置
CN110471854B (zh) 一种基于高维数据混合约简的缺陷报告指派方法
CN117273259A (zh) 在线课程学习路径推荐方法和装置
JP5211000B2 (ja) ランキング関数生成装置、ランキング関数生成方法、ランキング関数生成プログラム
CN115471271A (zh) 广告的归因方法、装置、计算机设备及可读存储介质
CN111882421B (zh) 一种信息处理方法、风控方法、装置、设备及存储介质
CN111428482B (zh) 一种信息识别方法和装置
CN110490667B (zh) 一种数据处理方法、装置及电子设备
CN113590673A (zh) 基于区块链深度学习的数据热度统计方法
CN116228484B (zh) 基于量子聚类算法的课程组合方法及装置
JP2006004103A (ja) 文書分類体系間の構造マッチング方法、構造マッチング装置、構造マッチングプログラム及びそのプログラムを記録した記録媒体
US20190095483A1 (en) Search apparatus, storage medium, database system, and search method
KR20190136941A (ko) 관측평점과 유사도 그래프를 활용한 추천 알고리즘의 평점 예측 방법
CN116228483B (zh) 基于量子驱动的学习路径推荐方法及装置

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant