[發明專利]選修課的推薦方法、裝置和服務器

在審

• 申請號: 202011083928.2
• 申請日: 2020-10-12
• 公開（公告）號: CN112214688A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 田冷;王澤川;黃詩慧;黃燦;王恒力;柴曉龍
• 申請（專利權）人: 中國石油大學(北京)
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/20
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 周達;周影

本說明書提供了一種選修課的推薦方法、裝置和服務器。其中，基于該方法，可以先根據目標用戶發起的選修課推薦請求中攜帶的目標用戶的身份標識，檢索并獲取該目標用戶已修的預設的基礎課的成績數據；再調用事先訓練好的預設的選修課成績預測模型根據上述目標用戶預設的基礎課的成績數據，得到對應的選修課成績預測結果；進而可以利用上述選修課成績預測結果作為依據，從多個選修課中確定出該目標用戶相對具有較高的學習潛力的選修課作為匹配的選修課，并對該目標用戶進行推薦。從而可以幫助學生用戶高效、準確地找到與自己當前學習情況匹配，且適合自己學習的選修課，解決了學生用戶無法高效、準確地確定出適合自己的選修課的技術問題。

技術領域

本說明書屬于互聯網技術領域，尤其涉及選修課的推薦方法、裝置和服務器。

背景技術

在例如大學等學校的課程學習中，學生在修完一些必修的基礎課程后，可以相對自主地選擇一些課程作為自己的選修課。而學生在選擇選修課時，往往會比較茫然，不知道哪些課程更適合自己學習。

通常學生會自己咨詢一些熟識的學長或學姐，根據他們的建議來選擇自己的選修課。但是，由于學生所能咨詢到的學長或學姐的數量相對有限，且被咨詢的學長或學姐的個體情況可能會與該學生存在較大差異。此外，學長或學姐所提供的建議往往還會存在一定的個人主觀因素。導致學生通過上述方式很難準確、高效地找到與自己當前學習情況匹配，且適合自己選擇學習的選修課。

針對上述技術問題，目前尚未提出有效的解決方案。

發明內容

本說明書提供了一種選修課的推薦方法、裝置和服務器，以幫助學生用戶高效、準確地找到與自己當前學習情況匹配，且適合自己學習的選修課，解決了學生用戶無法高效、準確地確定出適合自己的選修課的技術問題。

本說明書實施例提供了一種選修課的推薦方法，包括：

接收目標用戶的選修課推薦請求；其中，所述選修課推薦請求至少攜帶有目標用戶的身份標識；

根據所述目標用戶的身份標識，通過檢索課程成績數據庫，獲取目標用戶預設的基礎課的成績數據；

調用預設的選修課成績預測模型根據所述目標用戶預設的基礎課的成績數據，得到對應的選修課成績預測結果；

根據所述選修課成績預測結果，確定出與目標用戶匹配的選修課，作為目標選修課；

生成并向目標用戶發送關于目標選修課的推薦信息。

在一個實施例中，所述選修課推薦請求還攜帶有目標用戶的專業標簽。

在一個實施例中，所述方法還包括：

根據所述目標用戶的專業標簽，從多個預設的選修課成績預測模型中篩選出與目標用戶的專業標簽匹配的預設的選修課成績預測模型；

相應的，調用與目標用戶的專業標簽匹配的預設的選修課成績預測模型根據所述目標用戶預設的基礎課的成績數據，得到對應的選修課成績預測結果。

在一個實施例中，所述預設的選修課成績預測模型按照以下方式建立：

采集往屆學生用戶的課程成績數據，作為樣本數據；其中，所述往屆學生用戶的課程成績數據包括往屆學生用戶的預設的基礎課成績，以及選修課成績；

根據所述樣本數據，建立多個樣本數據集；其中，同一個樣本數據集中的樣本數據至少包含有一個課程標識相同的選修課的選修課成績；

利用所述多個樣本數據集，分別對基于神經網絡的初始模型進行訓練，以建立得到預設的選修課成績預測模型。

在一個實施例中，在利用所述多個樣本數據集，分別對基于神經網絡的初始模型進行訓練之前，所述方法還包括：