[發明專利]基于機器學習的試聽課老師智能分配方法、裝置和電子設備

在審

• 申請號: 202011535180.5
• 申請日: 2020-12-22
• 公開（公告）號: CN112561196A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 李忠坤;楊林
• 申請（專利權）人: 作業幫教育科技(北京)有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/20;G06F16/906;G06N20/00
• 代理公司: 北京清誠知識產權代理有限公司 11691
• 代理人: 喻穎

本發明屬于教育領域，提供一種基于機器學習的試聽課老師智能分配方法，該方法包括：建立訓練數據集，該訓練數據集包括歷史學員的行為數據和試聽課表現數據；構建學員表現預測模型，使用所述訓練數據集訓練該學員表現預測模型；使用訓練好的學員表現預測模型，計算對當前試聽課學員的學員表現預測值；根據預定分配策略和學員表現預測值為所述當前試聽課學員分配試聽課老師。本發明的方法能夠實現試聽學員和老師之間的有效匹配，并能夠提升試聽學員的成交率或轉化率。

技術領域

本發明屬于教育領域，特別適用于在線教育領域，更具體的是涉及基于機器學習的試聽課老師智能分配方法、裝置和電子設備。

背景技術

隨著互聯網絡的發展，越來越多的網絡課程涌現，老師通過網絡授課或在線課堂來傳授知識成為了重要的學習方式。

然而，在現有的一部分在線教育系統中，在具體課程報名之前，通過為試聽者提供相應試聽課，事實上，試聽學員的成交率很低。在報名平臺上，試聽學員是一個一個進行報名的，并不是同時報名。一方面大量試聽學員中能成為正式學員的數量很少，換言之，試聽學員的轉化率很低。另一方面，同一課程的分配老師中的各個老師的教學水平差異也很大。因此，如何更合理、更有效地進行試聽學員和老師之間的分配是非常值得去研究的問題。

現有技術中，隨機將老師分配給試聽學員，會導致試聽學員和老師之間的分配關系不合理，還存在因上述這種分配關系不合理而造成的聽課員的成交率或者轉化率低等問題。

因此，有必要提供一種試聽課老師智能分配方法，以解決上述問題。

發明內容

(一)要解決的技術問題

本發明旨在解決在線教育中試聽學員和老師之間的分配關系不合理、因上述這種分配關系不合理而造成的聽課員的成交率或者轉化率低等問題。

(二)技術方案

為解決上述技術問題，本發明的一方面提出一種基于機器學習的試聽課老師智能分配方法，所述方法包括如下步驟：建立訓練數據集，該訓練數據集包括歷史學員的行為數據和試聽課表現數據；構建學員表現預測模型，使用所述訓練數據集訓練該學員表現預測模型；使用訓練好的學員表現預測模型，計算對當前試聽課學員的學員表現預測值；根據預定分配策略和學員表現預測值為所述當前試聽課學員分配試聽課老師。

根據本發明的優選實施方式，根據預定分配策略和學員表現預測值為所述當前試聽課學員分配試聽課老師包括：根據所述學員表現預測值對學員進行分類；根據預定分配策略將不同分類的學員分配給相應的老師。

根據本發明的優選實施方式，根據所述學員表現預測值對學員進行分類包括：根據學員表現預測值與比對閾值對學員進行分類。

根據本發明的優選實施方式，所述比對閾值跟隨試聽課參數進行動態調整。

根據本發明的優選實施方式，在計算與當前試聽學員相對應的比對閾值之前，判斷當前試聽學員是否為報名排序第一的學員；在判斷結果為是的情況下，調用與業務任務相同的業務任務的歷史學員數據，以所計算的學員轉化率的平均值作為初始比對閾值；在判斷結果為否的情況下，使用所述當前試聽學員的報名排序減一的所有歷史學員數據，根據所述線性擬合方法，計算與所述當前試聽學員相對應的動態比對閾值。

根據本發明的優選實施方式，所述比對閾值根據試聽課參數動態調整包括：根據試聽課參數進行線性擬合，以計算所述比對閾值，其中，所述試聽課參數包括以下的至少一個：總人數、報名時長、課程類型、特定時間內用戶的報名人數、當前試聽學員所處的報名時間和報名排名。

根據本發明的優選實施方式，根據預定分配策略將不同分類的學員分配給相應的老師包括：為待分配的老師設置容忍系數和/或優先級；根據各待分配老師的容忍系數和/或優先級，為學員分配相應的老師，所述容忍系數表示分配的學員數量超過或低于標準分配數量的比例或數量。