CN117540917A - 一种培训平台辅助培训方法、装置、设备以及介质 - Google Patents

Abstract

本申请涉及一种培训平台辅助培训方法、装置、设备以及介质，其包括获取用户点击消息，从用户点击消息中获取用户需求数据；根据用户需求数据，获取对应的用户需求类型，其中，用户需求类型包括文案生成需求、简历优化需求或者审阅评分需求；获取对应的待处理文本数据，将待处理文本数据和用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据；根据用户需求类型对需求解析数据进行整理后，得到对应的用户培训数据。本申请具有提高培训平台的运营效率以及优化教育、就业和考试流程，为用户提供更为全面的服务的效果。

Description

一种培训平台辅助培训方法、装置、设备以及介质

技术领域

本申请涉及培训平台的领域，尤其是涉及一种培训平台辅助培训方法、装置、设备以及介质。

背景技术

随着时代的进步，在线教育在社会上越来越普遍。在线教育平台是实施在线培训，在线教育的工具软件，运用网络技术与软件技术，可以定制和扩展的远程网上教育。通过课件、试题导入和制作功能帮助政府、学校或企业快速组建适合自己使用的知识库体系，并提供培训需求调查、设定培训目标、课程体系设计、培训计划管理、培训过程监控及考核评估等功能帮助客户高效地实施培训和考核，有效促进用户的技能提升和职业发展，培养高素质人才，并为企业提供人才招聘服务，针对专门人才的招聘。

针对上述中的相关技术，发明人认为存在培训平台提供的智能AI辅助功能不足，平台运营效率低，不完全覆盖用户的需求的缺陷。

发明内容

为了提高培训平台的运营效率以及优化教育、就业和考试流程，为用户提供更为全面的服务，本申请提供一种培训平台辅助培训方法、装置、设备以及介质。

本申请的上述发明目的一是通过以下技术方案得以实现的：

获取用户点击消息，从所述用户点击消息中获取用户需求数据；

根据所述用户需求数据，获取对应的用户需求类型，其中，所述用户需求类型包括文案生成需求、简历优化需求或者审阅评分需求；

获取对应的待处理文本数据，将所述待处理文本数据和所述用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据；

根据所述用户需求类型对所述需求解析数据进行整理后，得到对应的用户培训数据。

通过采用上述技术方案，在用户点击唤醒AI智能组件时，获取用户点击的消息，根据用户不同的点击消息，能获取到用户不同的需求类型，从而能够快速判断得出用户的需求，并根据不同的用户需求生成对应的动作，提高培训平台的运营效率；用户在进行文本输入后，培训平台会根据上一步用户选择的需求，将用户输入的文本信息传输到预设的文字处理模型中进行识别，能够得到经过文字处理模型解析后的数据，从而能够对用户输入的文本信息准确快速的进行处理，将关键信息进行提取，进一步提高平台运营效率；根据用户的需求类型，将解析后得到的数据整理调整之后，得到对应的用户培训数据，从而有助于优化教育、就业和考试流程，并且为用户提供更为全面的服务。

本申请在一较佳示例中可以进一步配置为：所述获取对应的待处理文本数据，将所述待处理文本数据和所述用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据之前，训练生成所述文字处理模型具体包括：

获取标准文案数据、标准简历数据以及标准判卷数据，生成初始数据集；

从所述初始数据集中获取文案关键信息数据、简历关键信息数据以及判卷关键信息数据，根据所述文案关键信息数据、简历关键信息数据以及判卷关键信息数据对所述初始数据集进行除杂，获取模型训练数据集；

根据所述模型训练数据集中的数据和预设的决策树算法，将所述模型训练数据集内的文案关键词、简历关键词以及判卷关键词逐个进行提取分类，获取关键词集合，根据所述关键词集合对初始数据模型训练，生成所述文字处理模型。

通过采用上述技术方案，在得到需求解析数据之前，还需要训练生成文字处理模型，获取到数据库中的标准文案数据、标准简历数据以及标准判卷数据，并对其进行统计，获得初始的数据集，从而能将相关的数据收集集中，方便后续的处理；对获取到的初始数据集进行除杂，将噪声和次要信息进行过滤，得到数据集中的文案关键信息数据、简历关键信息数据以及判卷关键信息数据，作为模型训练数据集，用于训练初始数据模型，从而能对输入文本的数据进行准确的识别并获取到其中的关键信息；将模型训练数据集中的文案关键词、简历关键词以及判卷关键词逐个进行提取分类，获取到关键词的集合，使用该关键词的集合对初始数据模型进行训练，得到文字处理模型，从而进一步优化教育、就业和考试流程以及对文本识别提取的效率。

本申请在一较佳示例中可以进一步配置为：所述所述得到需求解析数据具体包括：

当所述用户需求类型为文案生成需求时，将所述待处理文本数据传输到所述文字处理模型中，生成文案解析数据；

当所述用户需求类型为简历优化需求时，将所述待处理文本数据传输到所述文字处理模型中，生成简历解析数据；

当所述用户需求类型为审阅评分需求时，将所述待处理文本数据传输到所述文字处理模型中，生成判卷解析数据。

通过采用上述技术方案，当获取到用户需求类型时，根据不同的用户需求类型，通过文字处理模型对用户输入的文本进行处理之后，可以得到不同的解析数据，从而能准确的提取用户输入文本中的关键信息，提高用户输入文本的识别效率。

本申请在一较佳示例中可以进一步配置为：所述用户需求类型为所述文案生成需求时，生成所述用户培训数据具体包括：

对所述文案解析数据进行语义识别，获取所述文案解析数据的语义数据，其中所述语义数据包括主题消息数据和情感消息数据；

获取用户要求消息数据，根据所述用户要求消息数据、所述情感消息数据以及所述文案解析数据，生成文案文本数据；

将所述主题消息数据与所述文案文本数据进行内容验证，若内容验证合格，则将所述文案文本输出到用户界面，若内容验证不合格，则重新生成文本数据；

获取用户进一步优化需求数据，并从历史修改记录中获取改进数据，根据所述进一步优化需求数据和改进数据，生成最终版文案内容数据，并将所述最终版文案内容数据输出到所述用户界面。

通过采用上述技术方案，对获取到的文案解析数据进行语义识别，得到文案解析数据中的主题消息和情感倾向，从而提升了生成文案的准确性；获取用户的用途、语气、长度以及优化目的结合情感倾向生成新的文案，从而有助于在生成文案时，结合用户主题信息和情感倾向，更符合用户需求；将获取到的文本主题信息和新的文案文本进行内容的验证，确保文本内容不包含不合规的信息，检查修正语法错误，从而有助于确保文案与主题相关性高，进一步提高文案生成的准确性；获取到用户的进一步优化需求，并从历史修改记录中获取到文案改进的历史数据和修改原因，结合用户进一步的优化需求和改进数据，生成最终的文案内容，并传输到用户使用界面上，从而优化了文案生成的内容，提升了培训平台的培训效率。

本申请在一较佳示例中可以进一步配置为：所述用户需求类型为所述简历优化需求时，生成所述用户培训数据具体包括：

获取相关岗位关键字，并将所述相关岗位关键字与所述简历解析数据进行比对计算，生成岗位匹配分数；

获取目标职位要求信息数据，将所述目标职位要求信息数据与所述简历解析数据比对，获取技能匹配分数；

根据所述技能匹配分数和所述简历解析数据，生成工作经历文本数据；

获取相关职位简历特性数据，将所述简历特性数据与所述简历解析数据进行比对分析，获取简历共同点数据；

根据所述简历共同点数据和简历解析数据，生成自我描述文本数据；

根据所述匹配分数、工作经历文本数据、简历共同点数据以及自我描述文本数据进行结合，生成简历培训报告数据。

通过采用上述技术方案，根据简历解析数据，从数据库中获取到与解析数据相关的岗位关键字，并将相关岗位关键字和简历解析数据进行比对计算，得出岗位的匹配分数，从而有助于通过对相关岗位的搜索，与用户的目标岗位进行比对，能让用户选取到更加贴合用户需求的岗位信息；获取目标职位要求信息，将目标职位的要求信息与简历解析信息进行比对，分析职位要求的匹配程度，得到技能匹配的分数，从而能通过计算得出用户目标职位的技能匹配程度，满足用户在培训时的需求；结合获得的技能匹配分数和简历解析数据，生成用户工作经历的文本数据，从而提升了简历优化的便捷性；获取相关职位简历的特性数据，将获取到的简历特性数据和简历解析数据进行比对分析，得到相关简历与用户简历的共同点，从而进一步提升简历内容与用户需求的关联程度；根据简历共同点数据和简历解析数据，生成简历中的自我描述文本数据，从而优化了用户在进行简历修改的流程；将获取到的技能匹配分数、岗位匹配分数、工作经历文本数据、简历共同点以及自我描述文本数据统计分析，生成简历培训报告数据，从而使生成的简历培训报告能更贴和用户需求，进一步优化了简历修改的流程。

本申请在一较佳示例中可以进一步配置为：所述用户需求类型为所述审阅评分需求时，生成所述用户培训数据具体包括：

获取问答题标准答案数据和相应评分标准数据，根据所述标准答案数据和相应评分标准数据得到不同类型和难度的问答题样本；

获取设定的问题关键词数据，将所述问题关键词数据与所述判卷解析数据比对分析，得到问题关键词差异信息数据，并根据所述问题关键词差异信息数据生成对应的问题错误类型；

根据所述评分标准，通过预设的权重算法得到所述问题错误类型分数权重；

根据所述问题关键词差异信息数据、评分标准以及分数权重，通过多次计算得出多个初步分数，并计算出多个所述初步分数的分数平均值作为实际分数；

根据所述错误类型和实际分数，生成评分报告，其中所述评分报告包括错误原因和评分建议；

根据所述评分报告，生成教师出题建议信息。

通过采用上述技术方案，从数据库中获取到问答题标准答案和相对应的评分标准数据，将该标准答案和评分标准进行分类，得到不同类型和难度的问答题样本，从而有助于对用户的问答题进行快速的识别和分类；获取设定的问题关键词数据，将该问题关键词与判卷解析数据进行比对分析，得到问题关键词差异信息数据，并根据该问题关键词差异信息数据生成对应的问题错误类型，从而进一步提升用户输入文本数据进行识别时的效率；根据评分标准，通过设定的权重算法计算得出对应的问题错误类型占有的分数权重，从而能提高在进行问答题评分时的准确率；根据问题关键词差异信息数据、评分标准以及分数权重，通过多次计算得出多个初步分数，并将多个初步分数取平均值作为实际分数，从而进一步提高用户在获得问答题的评分时的准确率；根据问答题的错误类型和实际分数，生成问答题评分报告，从而优化了用户在使用问答题功能时的流程，增加了用户在培训时的体验感；根据评分报告，培训平台会给教师方生成出题建议的信息，从而提升了用户需求的覆盖率。

本申请的上述发明目的二是通过以下技术方案得以实现的：

点击模块，用于获取用户点击消息，从所述用户点击消息中获取用户需求数据；

获取需求类型模块，用于根据所述用户需求数据，获取对应的用户需求类型；

获取需求解析数据模块，用于获取对应的待处理文本数据，将所述待处理文本数据和所述用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据；

获取用户培训数据模块，用于根据所述用户需求类型对所述需求解析数据进行整理后，得到对应的用户培训数据。

通过采用上述技术方案，在用户点击唤醒AI智能组件时，获取用户点击的消息，根据用户不同的点击消息，能获取到用户不同的需求类型，从而能够快速判断得出用户的需求，并根据不同的用户需求生成对应的动作，提高培训平台的运营效率；用户在进行文本输入后，培训平台会根据上一步用户选择的需求，将用户输入的文本信息传输到预设的文字处理模型中进行识别，能够得到经过文字处理模型解析后的数据，从而能够对用户输入的文本信息准确快速的进行处理，将关键信息进行提取，进一步提高平台运营效率；根据用户的需求类型，将解析后得到的数据整理调整之后，得到对应的用户培训数据，从而有助于优化教育、就业和考试流程，并且为用户提供更为全面的服务。

本申请的上述目的三是通过以下技术方案得以实现的：

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述培训平台辅助培训方法的步骤。

本申请的上述目的四是通过以下技术方案得以实现的：

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程序，所述计算机程序被处理器执行时实现上述培训平台辅助培训方法的步骤。

综上所述，本申请包括以下至少一种有益技术效果：

1、在用户点击唤醒AI智能组件时，获取用户点击的消息，根据用户不同的点击消息，能获取到用户不同的需求类型，从而能够快速判断得出用户的需求，并根据不同的用户需求生成对应的动作，提高培训平台的运营效率；用户在进行文本输入后，培训平台会根据上一步用户选择的需求，将用户输入的文本信息传输到预设的文字处理模型中进行识别，能够得到经过文字处理模型解析后的数据，从而能够对用户输入的文本信息准确快速的进行处理，将关键信息进行提取，进一步提高平台运营效率；根据用户的需求类型，将解析后得到的数据整理调整之后，得到对应的用户培训数据，从而有助于优化教育、就业和考试流程，并且为用户提供更为全面的服务；

2、在得到需求解析数据之前，还需要训练生成文字处理模型，获取到数据库中的标准文案数据、标准简历数据以及标准判卷数据，并对其进行统计，获得初始的数据集，从而能将相关的数据收集集中，能够采用相同的模型，在后续满足用户的不同需求，也能够在前期训练好模型，实现更多不同类型的用户需求；对获取到的初始数据集进行除杂，将噪声和次要信息进行过滤，得到数据集中的文案关键信息数据、简历关键信息数据以及判卷关键信息数据，作为模型训练数据集，用于训练初始数据模型，从而能对输入文本的数据进行准确的识别并获取到其中的关键信息；将模型训练数据集中的文案关键词、简历关键词以及判卷关键词逐个进行提取分类，获取到关键词的集合，使用该关键词的集合对初始数据模型进行训练，得到文字处理模型，从而进一步优化教育、就业和考试流程以及对文本识别提取的效率；

3、对获取到的文案解析数据进行语义识别，得到文案解析数据中的主题消息和情感倾向，从而提升了生成文案的准确性；获取用户的用途、语气、长度以及优化目的结合情感倾向生成新的文案，从而有助于在生成文案时，结合用户主题信息和情感倾向，更符合用户需求；将获取到的文本主题信息和新的文案文本进行内容的验证，确保文本内容不包含不合规的信息，检查修正语法错误，从而有助于确保文案与主题相关性高，进一步提高文案生成的准确性；获取到用户的进一步优化需求，并从历史修改记录中获取到文案改进的历史数据和修改原因，结合用户进一步的优化需求和改进数据，生成最终的文案内容，并传输到用户使用界面上，从而优化了文案生成的内容，提升了培训平台的培训效率；

4、根据简历解析数据，从数据库中获取到与解析数据相关的岗位关键字，并将相关岗位关键字和简历解析数据进行比对计算，得出岗位的匹配分数，从而有助于通过对相关岗位的搜索，与用户的目标岗位进行比对，能让用户选取到更加贴合用户需求的岗位信息；获取目标职位要求信息，将目标职位的要求信息与简历解析信息进行比对，分析职位要求的匹配程度，得到技能匹配的分数，从而能通过计算得出用户目标职位的技能匹配程度，满足用户在培训时的需求；结合获得的技能匹配分数和简历解析数据，生成用户工作经历的文本数据，从而提升了简历优化的便捷性；获取相关职位简历的特性数据，将获取到的简历特性数据和简历解析数据进行比对分析，得到相关简历与用户简历的共同点，从而进一步提升简历内容与用户需求的关联程度；根据简历共同点数据和简历解析数据，生成简历中的自我描述文本数据，从而优化了用户在进行简历修改的流程；将获取到的技能匹配分数、岗位匹配分数、工作经历文本数据、简历共同点以及自我描述文本数据统计分析，生成简历培训报告数据，从而使生成的简历培训报告能更贴和用户需求，进一步优化了简历修改的流程；

5、从数据库中获取到问答题标准答案和相对应的评分标准数据，将该标准答案和评分标准进行分类，得到不同类型和难度的问答题样本，从而有助于对用户的问答题进行快速的识别和分类；获取设定的问题关键词数据，将该问题关键词与判卷解析数据进行比对分析，得到问题关键词差异信息数据，并根据该问题关键词差异信息数据生成对应的问题错误类型，从而进一步提升用户输入文本数据进行识别时的效率；根据评分标准，通过设定的权重算法计算得出对应的问题错误类型占有的分数权重，从而能提高在进行问答题评分时的准确率；根据问题关键词差异信息数据、评分标准以及分数权重，通过多次计算得出多个初步分数，并将多个初步分数取平均值作为实际分数，从而进一步提高用户在获得问答题的评分时的准确率；根据问答题的错误类型和实际分数，生成问答题评分报告，从而优化了用户在使用问答题功能时的流程，增加了用户在培训时的体验感；根据评分报告，培训平台会给教师方生成出题建议的信息，从而提升了用户需求的覆盖率。

附图说明

图1是本申请一实施例中培训平台辅助培训方法的一流程图；

图2是本申请一实施例中培训平台辅助培训方法中步骤S30的另一实现流程图；

图3是本申请一实施例中培训平台辅助培训方法中步骤S30的实现流程图；

图4是本申请一实施例中培训平台辅助培训方法中步骤S40的实现流程图；

图5是本申请一实施例中培训平台辅助培训方法中步骤S40的另一实现流程图；

图6是本申请一实施例中培训平台辅助培训方法中步骤S40的另一实现流程图；

图7是本申请一实施例中培训平台辅助培训系统的一原理框图；

图8是本申请一实施例中的设备示意图。

具体实施方式

以下结合附图对本申请作进一步详细说明。

在一实施例中，如图1所示，本申请公开了一种培训平台辅助培训方法，具体包括如下步骤：

S10：获取用户点击消息，从用户点击消息中获取用户需求数据。

在本实施例中，用户点击消息是指用户唤醒辅助界面时点击的消息。用户需求数据是指记录有用户期望获取到的培训结果的信息。

具体地，当用户需要进行相应的培训，并唤醒辅助培训组件时，根据用户自身的需求，点击相应的培训内容的界面，因此，通过在获取到用户点击消息时，即用户根据自身的需求点击相应的培训界面，对用户的点击消息进行分析，根据用户点击的培训页面的内容，得到包含用户需求的数据，作为用户需求数据。

S20：根据用户需求数据，获取对应的用户需求类型，其中，用户需求类型包括文案生成需求、简历优化需求或者审阅评分需求。

在本实施例中，文案生成需求是指用户对文案进行生成的需求。简历优化需求是指用户对简历进行优化的需求。审阅评分需求是指用户对问答题进行审阅评分的需求。

具体地，当获取到用户需求数据时，为了更准确和快速地对用户的需求进行传输和处理，因此，通过对用户需求数据中，用户实际点击的培训页面，得到用户想要对文案进行生成的需求、简历进行优化的需求或问答题进行审阅评分的需求，即用户期望进行文案生成、简历优化或者审阅评分。

S30：获取对应的待处理文本数据，将待处理文本数据和用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据。

在本实施例中，待处理文本数据是指用户在使用界面内输入的文本的数据。文字处理模型是指对输入的文本数据进行处理的模型。需求解析数据是指该待处理文本数据中的文本结构。

具体地，用户在使用界面输入文本时，获取输入文本的数据，为了识别用户输入文本，并且将用户输入文本中的关键词进行提取，因此，通过将用户输入的文本数据传输到预设的文字处理模型中进行识别，并结合用户的需求类型，得到用户输入文本数据中与用户需求一致的解析数据，作为需求解析数据。

S40：根据用户需求类型对需求解析数据进行整理后，得到对应的用户培训数据。

在本实施例中，用户培训数据是指用户在进行辅助培训结束后得到的数据。

具体地，在培训平台获取到需求解析数据后，为了能够对解析数据的整合和提炼，输出为最终的培训报告数据，因此，通过将用户需求类型与需求解析数据进行整理、汇总以及对语句语境的提炼，得到最终的培训数据，作为用户培训数据。

在一实施例中，如图2所示，在步骤S30之前，即获取对应的待处理文本数据，将待处理文本数据和用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据之前，培训平台辅助培训方法还包括：

S301：获取标准文案数据、标准简历数据以及标准判卷数据，生成初始数据集。

在本实施例中，标准文案数据是含有文案范本的数据。标准简历数据是指含有简历范本的数据。标准判卷数据是指含有问答题范本的数据。

具体地，在用户进行培训操作时，培训平台会从历史数据库中提取含有文案范本、简历范本以及问答题范本的数据，并对其进行统计集合，生成初始数据集合。

S302：从初始数据集中获取文案关键信息数据、简历关键信息数据以及判卷关键信息数据，根据文案关键信息数据、简历关键信息数据以及判卷关键信息数据对初始数据集进行除杂，获取模型训练数据集。

在本实施例中，文案关键信息数据是指在初始数据集中与文案生成相关的信息数据。简历关键信息数据是指在初始数据集中与简历内容相关的信息数据。判卷关键信息数据是指在初始数据集中与问答题评分相关的信息数据。模型训练数据集是指用于对初始数据模型进行训练的数据集合，作为模型训练数据集。

具体地，在培训平台获取到初始数据集时，培训平台会从初始数据集中提取与文案生成相关的信息数据、与简历内容相关的信息数据以及与问答题评分相关的信息数据，并根据该文案生成相关的信息数据、与简历内容相关的信息数据以及与问答题评分相关的信息数据对初始数据集中的进行除杂，将多余的噪音和次要信息进行滤除，从初始数据集中提取与文案生成相关的信息数据、与简历内容相关的信息数据以及与问答题评分相关的信息数据，并将其作为训练初始数据模型的数据集合。

S303：根据模型训练数据集中的数据和预设的决策树算法，将模型训练数据集内的文案关键词、简历关键词以及判卷关键词逐个进行提取分类，获取关键词集合，根据关键词集合对初始数据模型训练，生成文字处理模型。

在本实施例中，决策树算法是指一种对数据进行处理分类的算法。

具体地，在培训平台获取到模型训练数据集时，将该数据集与设定的决策树算法进行结合分析，从模型训练数据集中提取文案生成关键词数据、简历优化关键词数据以及问答题判断关键词数据，将获取到的关键词进行分类，获取到关键词的集合，根据该关键词的集合，对初始的数据模型进行训练，生成文字处理模型。

在一实施例中，如图3所示，在步骤S30中，即获取对应的待处理文本数据，将待处理文本数据和用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据，具体包括：

S31：当用户需求类型为文案生成需求时，将待处理文本数据传输到文字处理模型中，生成文案解析数据。

在本实施例中，文案解析数据是指待处理文本数据在经过文字处理模型后得到与文案生成相关的数据。

具体地，当培训平台在获取的用户需求类型为文案生成需求时，用户在使用界面处输入文本，将用户输入的文本传输到文字处理模型中，得到用户输入文本中与文案生成相关的数据，作为文案解析数据。

S32：当用户需求类型为简历优化需求时，将待处理文本数据传输到文字处理模型中，生成简历解析数据。

在本实施例中，简历解析数据是指待处理文本数据在经过文字处理模型后得到与简历优化相关的数据。

具体地，当培训平台在获取的用户需求类型为简历优化需求时，用户在使用界面处输入文本，将用户输入的文本传输到文字处理模型中，得到用户输入文本中与简历优化相关的数据，作为简历解析数据。

S33：当用户需求类型为审阅评分需求时，将待处理文本数据传输到文字处理模型中，生成判卷解析数据。

在本实施例中，判卷解析数据是指待处理文本数据在经过文字处理模型后得到与问答题评分相关的数据。

具体地，当培训平台在获取的用户需求类型为审阅评分需求时，用户在使用界面处输入文本，将用户输入的文本传输到文字处理模型中，得到用户输入文本中与问答题评分相关的数据，作为判卷解析数据。

在一实施例中，如图4所示，在步骤S40中，即根据用户需求类型对需求解析数据进行整理后，得到对应的用户培训数据，具体包括：

S401：对文案解析数据进行语义识别，获取文案解析数据的语义数据，其中语义数据包括主题消息数据和情感消息数据。

在本实施例中，主题消息数据是指文案解析数据中的文本主题信息的数据。情感消息数据是指文案解析数据中的情感倾向的数据。

具体地，培训平台在获取到文案解析数据时，对该文案解析数据仅语义的识别，识别出该文案解析数据中的包含有文本主题信息的数据以及情感倾向的数据。

S402：获取用户要求消息数据，根据用户要求消息数据、情感消息数据以及文案解析数据，生成文案文本数据。

在本实施例中，文案文本数据是指培训平台根据获取到的信息和用户要求信息结合生成的新文案文本的数据。

具体地，培训平台在获取到用户的要求消息时，培训平台根据该用户要求消息数据、情感消息数据以及文案解析数据，统计结合生成新文案文本的数据，作为文案文本数据。

S403：将主题消息数据与文案文本数据进行内容验证，若内容验证合格，则将文案文本输出到用户界面，若内容验证不合格，则重新生成文本数据。

在本实施例中，内容验证是指培训平台对文案文本的内容进行验证的动作。

具体地，培训平台将获取到主题消息数据和文案文本数据进行文本内容的验证，当文本内容与主题相关性高且文本内容合规时，培训平台会将该文案文本输出到用户界面，若文本内容验证不合规或与主题相关性不高时，培训平台会重新根据主题信息与文案解析数据重新生成新的文本数据。

S404：获取用户进一步优化需求数据，并从历史修改记录中获取改进数据，根据进一步优化需求数据和改进数据，生成最终版文案内容数据，并将最终版文案内容数据输出到用户界面。

在本实施例中，用户进一步优化需求数据是指用户在用户界面看到生成的文案文本时对该文案文本提出进一步优化需求的数据。改进数据是指培训平台从不同文案的修改历史中获取到的修改模式和文案修改的共同性。最终版文案内容数据是指培训平台在对文案文本进一步优化改进后得到的文案内容数据。

具体地，在培训平台获取到用户进一步优化需求数据，并从历史文案修改记录中获取到不同类型的文案修改历史，从中总结文案的修改模式和文案修改的共同性，作为文案的改进数据，根据该用户进一步优化需求数据和改进数据，生成最终版的文案内容数据，作为最终版文案内容数据，并将该文案内容数据传输到用户使用界面。

在一实施例中，如图5所示，在步骤S40中，即根据用户需求类型对需求解析数据进行整理后，得到对应的用户培训数据，具体还包括：

S411：获取相关岗位关键字，并将相关岗位关键字与简历解析数据进行比对计算，生成岗位匹配分数。

在本实施例中，相关岗位关键字是指与用户简历上的岗位相关的岗位的关键字。岗位匹配分数是指用户简历上的岗位与数据库中检索到的岗位的匹配程度分数。

具体地，培训平台从数据库中获取到与用户简历中岗位相关的岗位的关键字，并将获取到的岗位关键字与简历解析数据进行比对计算，得出用户需求岗位与培训平台检索到的岗位的匹配相关程度，作为岗位匹配分数。

S412：获取目标职位要求信息数据，将目标职位要求信息数据与简历解析数据比对，获取技能匹配分数。

在本实施例中，目标职位要求信息数据是指用户的目标职位所需的要求信息的数据。技能匹配分数是指培训平台检索到的目标职位需求的技能与用户技能的匹配程度分数。

具体地，培训平台在获取到用户目标职位所需的要求信息的数据，并将该要求信息数据与简历解析数据比对分析，得出培训平台检索到的目标职位需求的技能与用户技能的匹配程度分数，作为技能匹配分数。

S413：根据技能匹配分数和简历解析数据，生成工作经历文本数据。

在本实施例中，工作经历文本数据是指培训平台重新生成的工作经历文本的数据。

具体地，培训平台对获取到的技能匹配分数和简历解析数据进行统计分析，分析用户工作经历，工作上的关键成就和关联性，生成用户工作经历文本的数据。

S414：获取相关职位简历特性数据，将简历特性数据与简历解析数据进行比对分析，获取简历共同点数据。

在本实施例中，相关职位简历特性数据是指与用户职位相关的简历中特性的数据。简历共同点数据是指用户需求职位与培训平台检索到相关职位的简历中共同点的数据。

具体地，培训平台获取到与用户职位相关的简历中特性的数据，并将该简历特性数据进行与简历解析数据进行比对分析，获取到用户需求职位与培训平台检索到相关职位的简历中共同点的数据，作为简历共同点数据。

S415：根据简历共同点数据和简历解析数据，生成自我描述文本数据。

在本实施例中，自我描述文本数据是指培训平台生成的简历中自我描述的文本数据

具体地，培训平台将简历共同点数据和简历解析数据进行结合分析，生成用户简历的自我描述的文本数据。

S416：根据匹配分数、工作经历文本数据、简历共同点数据以及自我描述文本数据进行结合，生成简历培训报告数据。

在本实施例中，简历培训报告数据是指用户在进行简历优化之后，培训平台生成的简历优化的报告的数据。

具体地，培训平台根据匹配分数、工作经历文本数据、简历共同点数据以及自我描述文本数据进行结合分析，生成用户在进行简历优化后的报告的数据。

在一实施例中，如图6所示，在步骤S40中，即根据用户需求类型对需求解析数据进行整理后，得到对应的用户培训数据，具体还包括：

S421：获取问答题标准答案数据和相应评分标准数据，根据标准答案数据和相应评分标准数据得到不同类型和难度的问答题样本。

在本实施例中，问答题标准答案数据是指培训平台从数据库中获取到的问答题标准答案的数据。评分标准数据是指培训平台从数据库中获取到的问答题评分标准的数据。

具体地，培训平台从数据库中获取到不同类型的问答题标准答案的数据以及相应的问答题评分标准的数据，并根据获取到的标准答案数据和相应评分标准数据生成不同类型和难度的问答题的范本，作为问答题样本。

S422：获取设定的问题关键词数据，将问题关键词数据与判卷解析数据比对分析，得到问题关键词差异信息数据，并根据问题关键词差异信息数据生成对应的问题错误类型。

在本实施例中，问题关键词数据是指标准答案中问答题的关键词的数据。问题关键词差异信息是指标准答案中的关键词与用户答案存在差异的信息。

具体地，培训平台从数据库中获取标准答案中问答题的关键词的数据，将问题关键词数据和判卷解析数据进行比对分析，得到标准答案中的关键词与用户答案存在差异的信息，并根据问题关键词差异信息的数据生成对应的问答题错误类型。

S423：根据评分标准，通过预设的权重算法得到对应问题错误类型分数权重。

具体地，根据培训平台获取到的问答题评分标准，通过培训平台中预设的权重算法计算得出对应的问答题错误类型在问答题错误集合中的分数权重，作为对应问题错误类型分数权重。

S424：根据问题关键词差异信息数据、评分标准以及分数权重，通过多次计算得出多个初步分数，并计算出多个初步分数的分数平均值作为实际分数。

具体地，根据问题关键词差异信息数据、评分标准以及分数权重，通过多次进行计算，得出多个问答题的初步分数，并将获取到的多个问答题初步分数进行平均值的计算，得到最终的问答题分数，作为实际分数。

S425：根据错误类型和实际分数，生成评分报告，其中评分报告包括错误原因和评分建议。

具体地，根据问答题错误类型和实际分数，培训平台会生成问答题的错误原因以及对问答题进行评分的建议。

S426：根据评分报告，生成教师出题建议信息。

具体地，根据评分报告，培训平台会对教师方生成问答题出题建议信息。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在一实施例中，提供一种培训平台辅助培训装置，该培训平台辅助培训装置与上述实施例中培训平台辅助培训方法一一对应。如图7所示，该培训平台辅助培训装置包括点击模块、获取需求类型模块、获取需求解析数据模块和获取用户培训数据模块。各功能模块详细说明如下：

点击模块，用于获取用户点击消息，从用户点击消息中获取用户需求数据；

获取需求类型模块，用于根据用户需求数据，获取对应的用户需求类型；

获取需求解析数据模块，用于获取对应的待处理文本数据，将待处理文本数据和用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据；

获取用户培训数据模块，用于根据用户需求类型对需求解析数据进行整理后，得到对应的用户培训数据。

可选的，培训平台辅助培训装置还包括：

获取初始数据集模块，用于获取标准文案数据、标准简历数据以及标准判卷数据，生成初始数据集；

获取模型训练数据集模块，用于对初始数据集进行除杂，获取数据集中的文案关键信息数据、简历关键信息数据以及判卷关键信息数据，作为模型训练数据集；

训练生成模型模块，用于根据模型训练数据集中的数据和预设的决策树算法，将模型训练数据集内的文案关键词、简历关键词以及判卷关键词逐个进行提取分类，并对初始数据模型训练，生成文字处理模型。

可选的，获取需求解析数据模块包括：

生成文案解析数据子模块，用于当用户需求类型为文案生成需求时，将待处理文本数据传输到文字处理模型中，生成文案解析数据；

生成简历解析数据子模块，用于当用户需求类型为简历优化需求时，将待处理文本数据传输到文字处理模型中，生成简历解析数据；

生成判卷解析数据子模块，用于当用户需求类型为审阅评分需求时，将待处理文本数据传输到文字处理模型中，生成判卷解析数据。

可选的，获取用户培训数据模块包括：

语义识别子模块，用于对文案解析数据进行语义识别，获取文案解析数据的语义数据，其中语义数据包括主题消息数据和情感消息数据；

生成文案文本数据子模块，用于获取用户要求消息数据，根据用户要求消息数据、情感消息数据以及文案解析数据，生成文案文本数据；

内容验证子模块，用于将主题消息数据与文案文本数据进行内容验证，若内容验证合格，则将文案文本输出到用户界面，若内容验证不合格，则重新生成文本数据；

生成最终版文案内容数据子模块，用于获取用户进一步优化需求数据，并从历史修改记录中获取改进数据，根据进一步优化需求数据和改进数据，生成最终版文案内容数据，并将最终版文案内容数据输出到用户界面；

生成岗位匹配分数子模块，用于获取相关岗位关键字，并将相关岗位关键字与简历解析数据进行比对计算，生成岗位匹配分数；

获取技能匹配分数子模块，用于获取目标职位要求信息数据，将目标职位要求信息数据与简历解析数据比对，获取技能匹配分数；

生成工作经历文本数据子模块，用于根据技能匹配分数和简历解析数据，生成工作经历文本数据；

获取简历共同点数据子模块，用于获取相关职位简历特性数据，将简历特性数据与简历解析数据进行比对分析，获取简历共同点数据；

生成自我描述文本数据子模块，用于根据简历共同点数据和简历解析数据，生成自我描述文本数据；

生成简历培训报告数据子模块，用于根据匹配分数、工作经历文本数据、简历共同点数据以及自我描述文本数据进行结合，生成简历培训报告数据；

获取问答题样本子模块，用于获取问答题标准答案数据和相应评分标准数据，根据标准答案数据和相应评分标准数据得到不同类型和难度的问答题样本；

获取问题错误类型子模块，用于获取设定的问题关键词数据，将问题关键词数据与判卷解析数据比对分析，得到问题关键词差异信息数据，并根据问题关键词差异信息数据生成对应的问题错误类型；

获取问题错误类型分数权重子模块，用于根据评分标准，通过预设的权重算法得到对应问题错误类型分数权重；

获取实际分数子模块，用于根据问题关键词差异信息数据、评分标准以及分数权重，通过多次计算得出多个初步分数，并计算出多个初步分数的分数平均值作为实际分数；

生成评分报告子模块，用于根据错误类型和实际分数，生成评分报告，其中评分报告包括错误原因和评分建议；

生成教师出题建议信息子模块，用于根据评分报告，生成教师出题建议信息。

关于培训平台辅助培训装置的具体限定可以参见上文中对于培训平台辅助培训方法的限定，在此不再赘述。上述培训平台辅助培训装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储标准文案数据、标准简历数据以及标准问答题数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种培训平台辅助培训方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

获取用户点击消息，从用户点击消息中获取用户需求数据；

根据用户需求数据，获取对应的用户需求类型，其中，用户需求类型包括文案生成需求、简历优化需求或者审阅评分需求；

获取对应的待处理文本数据，将待处理文本数据和用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据；

根据用户需求类型对需求解析数据进行整理后，得到对应的用户培训数据。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取用户点击消息，从用户点击消息中获取用户需求数据；

根据用户需求数据，获取对应的用户需求类型，其中，用户需求类型包括文案生成需求、简历优化需求或者审阅评分需求；

获取对应的待处理文本数据，将待处理文本数据和用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据；

根据用户需求类型对需求解析数据进行整理后，得到对应的用户培训数据。

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，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种培训平台辅助培训方法，其特征在于，所述培训平台辅助培训方法包括：

获取用户点击消息，从所述用户点击消息中获取用户需求数据；

根据所述用户需求数据，获取对应的用户需求类型，其中，所述用户需求类型包括文案生成需求、简历优化需求或者审阅评分需求；

获取对应的待处理文本数据，将所述待处理文本数据和所述用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据；

根据所述用户需求类型对所述需求解析数据进行整理后，得到对应的用户培训数据。

2.根据权利要求1所述的一种培训平台辅助培训方法，其特征在于，所述获取对应的待处理文本数据，将所述待处理文本数据和所述用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据之前，训练生成所述文字处理模型具体包括：

获取标准文案数据、标准简历数据以及标准判卷数据，生成初始数据集；

从所述初始数据集中获取文案关键信息数据、简历关键信息数据以及判卷关键信息数据，根据所述文案关键信息数据、简历关键信息数据以及判卷关键信息数据对所述初始数据集进行除杂，获取模型训练数据集；

根据所述模型训练数据集中的数据和预设的决策树算法，将所述模型训练数据集内的文案关键词、简历关键词以及判卷关键词逐个进行提取分类，获取关键词集合，根据所述关键词集合对初始数据模型训练，生成所述文字处理模型。

3.根据权利要求2所述的一种培训平台辅助培训方法，其特征在于，所述得到需求解析数据具体包括：

当所述用户需求类型为文案生成需求时，将所述待处理文本数据传输到所述文字处理模型中，生成文案解析数据；

当所述用户需求类型为简历优化需求时，将所述待处理文本数据传输到所述文字处理模型中，生成简历解析数据；

当所述用户需求类型为审阅评分需求时，将所述待处理文本数据传输到所述文字处理模型中，生成判卷解析数据。

4.根据权利要求3所述的一种培训平台辅助培训方法，其特征在于，所述用户需求类型为所述文案生成需求时，生成所述用户培训数据具体包括：

对所述文案解析数据进行语义识别，获取所述文案解析数据的语义数据，其中所述语义数据包括主题消息数据和情感消息数据；

获取用户要求消息数据，根据所述用户要求消息数据、所述情感消息数据以及所述文案解析数据，生成文案文本数据；

将所述主题消息数据与所述文案文本数据进行内容验证，若内容验证合格，则将所述文案文本输出到用户界面，若内容验证不合格，则重新生成文本数据；

获取用户进一步优化需求数据，并从历史修改记录中获取改进数据，根据所述进一步优化需求数据和改进数据，生成最终版文案内容数据，并将所述最终版文案内容数据输出到所述用户界面。

5.根据权利要求3所述的一种培训平台辅助培训方法，其特征在于，所述用户需求类型为所述简历优化需求时，生成所述用户培训数据具体包括：

获取相关岗位关键字，并将所述相关岗位关键字与所述简历解析数据进行比对计算，生成岗位匹配分数；

获取目标职位要求信息数据，将所述目标职位要求信息数据与所述简历解析数据比对，获取技能匹配分数；

根据所述技能匹配分数和所述简历解析数据，生成工作经历文本数据；

获取相关职位简历特性数据，将所述简历特性数据与所述简历解析数据进行比对分析，获取简历共同点数据；

根据所述简历共同点数据和简历解析数据，生成自我描述文本数据；

根据所述匹配分数、工作经历文本数据、简历共同点数据以及自我描述文本数据进行结合，生成简历培训报告数据。

6.根据权利要求3所述的一种培训平台辅助培训方法，其特征在于，所述用户需求类型为所述审阅评分需求时，生成所述用户培训数据具体包括：

获取问答题标准答案数据和相应评分标准数据，根据所述标准答案数据和相应评分标准数据得到不同类型和难度的问答题样本；

获取设定的问题关键词数据，将所述问题关键词数据与所述判卷解析数据比对分析，得到问题关键词差异信息数据，并根据所述问题关键词差异信息数据生成对应的问题错误类型；

根据所述评分标准，通过预设的权重算法得到对应问题错误类型分数权重；

根据所述问题关键词差异信息数据、评分标准以及分数权重，通过多次计算得出多个初步分数，并计算出多个所述初步分数的分数平均值作为实际分数；

根据所述错误类型和实际分数，生成评分报告，其中所述评分报告包括错误原因和评分建议；

根据所述评分报告，生成教师出题建议信息。

7.一种培训平台辅助培训装置，其特征在于，所述培训平台辅助培训装置包括：

点击模块，用于获取用户点击消息，从所述用户点击消息中获取用户需求数据；

获取需求类型模块，用于根据所述用户需求数据，获取对应的用户需求类型；

获取需求解析数据模块，用于获取对应的待处理文本数据，将所述待处理文本数据和所述用户需求类型输入至预设的文字处理模型中进行识别，得到需求解析数据；

获取用户培训数据模块，用于根据所述用户需求类型对所述需求解析数据进行整理后，得到对应的用户培训数据。

8.根据权利要求7所述的培训平台辅助培训装置，其特征在于，所述培训平台辅助培训装置还包括：

获取初始数据集模块，用于获取标准文案数据、标准简历数据以及标准判卷数据，生成初始数据集；

获取模型训练数据集模块，用于从所述初始数据集中获取文案关键信息数据、简历关键信息数据以及判卷关键信息数据，根据所述文案关键信息数据、简历关键信息数据以及判卷关键信息数据对所述初始数据集进行除杂，获取模型训练数据集；

训练生成模型模块，用于根据所述模型训练数据集中的数据和预设的决策树算法，将所述模型训练数据集内的文案关键词、简历关键词以及判卷关键词逐个进行提取分类，并对初始数据模型训练，生成所述文字处理模型。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述一种培训平台辅助培训方法的步骤。

10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述一种培训平台辅助培训方法的步骤。