[發明專利]課程推薦方法、裝置、計算機設備及介質

有效

• 申請號: 202011590904.6
• 申請日: 2020-12-29
• 公開（公告）號: CN112632385B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 黃良仁
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/35;G06F18/23213;G06F18/214;G06F18/243;G06F18/27;G06Q50/20
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

本發明信息推薦領域，公開了一種課程推薦方法、裝置、計算機設備及介質，所述方法包括：獲取待推薦用戶的基礎數據，對基礎數據進行數據預處理和聚合，根據得到的聚合結果，對待推薦用戶進行畫像處理，得到用戶畫像，根據用戶畫像進行特征提取，得到目標向量，將目標向量輸入至預先訓練的課程推薦模型中，并采用預先訓練的課程推薦模型進行推薦，得到待推薦課程類別，從待推薦課程類別中，選取至少一個課程推薦信息，作為目標推薦課程，并將目標推薦課程推薦給待推薦用戶，本發明不同待推薦用戶的個人畫像，進行個性化推薦，有利于提高課程推薦的精準程度。

技術領域

本發明涉及信息推薦領域，尤其涉及一種課程推薦方法、裝置、計算機設備及介質。

背景技術

隨著社會的飛速發展和信息技術的進步，各行各業的用戶都需要不斷學習來提高值的技能，而需要提高哪些技能，如何去進行課程的選擇，成了一個焦點。

現有方式中，通常課程推薦是通過設定規則來實現，比如哪些職位需要掌握哪些技能，但不同用戶自身情況不同，這種推薦方式針對性較弱，使得推薦效率不高。隨著社會的飛速發展和信息技術的進步，各行各業的用戶都需要不斷學習來提高值的技能，而需要提高哪些技能，如何去進行課程的選擇，成了一個焦點。

現有方式中，通常課程推薦是通過設定規則來實現，比如哪些職位需要掌握哪些技能，但不同用戶自身情況不同，這種推薦方式針對性較弱，使得推薦精準程度不高。

發明內容

本發明實施例提供一種課程推薦方法、裝置、計算機設備和存儲介質，以提高課程推薦的準確性。

為了解決上述技術問題，本申請實施例提供一種課程推薦方法，包括：

獲取待推薦用戶的基礎數據；

對所述基礎數據進行數據預處理和聚合，根據得到的聚合結果，對所述待推薦用戶進行畫像處理，得到用戶畫像；

根據所述用戶畫像進行特征提取，得到目標向量；

將所述目標向量輸入至預先訓練的課程推薦模型中，并采用所述預先訓練的課程推薦模型進行數據處理，得到待推薦課程類別；

從所述待推薦課程類別中，選取至少一個課程推薦信息，作為目標推薦課程，并將所述目標推薦課程推薦給所述待推薦用戶。

可選地，對所述基礎數據進行數據預處理和聚合，根據得到的聚合結果，對所述待推薦用戶進行畫像處理，得到用戶畫像包括：

對所述基礎數據進行數據預處理，得到所述標準數據；

對所述標準數據進行分詞處理，并對分詞處理結果進行聚類，得到所述待推薦用戶的關聯類別；

根據所述關聯類別，生成目標標簽和所述目標標簽的重要性排序，得到所述用戶畫像。

可選地，所述根據所述用戶畫像進行特征提取，得到目標向量包括：

基于預設語料庫，構建所述用戶畫像中每個標簽對應的基礎詞向量；

針對每個所述基礎詞向量，計算該基礎詞向量與其他基礎詞向量之間的空間距離，并從所述空間距離中選取最小值作為該基礎詞向量的最小空間距離；

將所述最小空間距離中小于或等于預設空間距離閾值的基礎詞向量，作為標簽向量；

基于K-Means聚合算法對所述標簽向量進行分類，得到目標向量。

可選地，在所述將所述目標向量輸入至預先訓練的課程推薦模型中，并采用所述預先訓練的課程推薦模型進行數據處理，得到待推薦課程類別之前，所述課程推薦方法還包括：

獲取每個樣本用戶的用戶畫像；

提取每個所述用戶畫像的特征向量；