[發(fā)明專利]培訓課程推薦方法、裝置、設備及介質

在審

• 申請?zhí)枺?/td>: 202110060772.4
• 申請日: 2021-01-18
• 公開（公告）號: CN112380454A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設計）人: 廖伯軒;徐守梅;吳震東;宋喆;汪坪;呂斌
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F17/16;G06Q50/20
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權代理有限公司 44334
• 代理人: 遲珊珊;劉麗華

本發(fā)明涉及大數(shù)據(jù)領域，提供一種培訓課程推薦方法、裝置、設備及介質，能夠根據(jù)配置權重、第一相似度及第二相似度計算待推薦對象與相似對象間的加權相似度，同時結合了不同維度下的相似度，使計算的相似度更加符合實際情況，根據(jù)加權相似度預測待推薦對象對于每個課程的量化值，采用改進的協(xié)同過濾算法，基于加權相似度對每個課程進行更加有針對性的評分，進而針對不同情境下的多維屬性對課程進行合理推薦，對每個課程的量化值按照由高到低進行排序，并獲取排在前預設位的課程構建課程推薦列表，進而實現(xiàn)對培訓課程的自動推薦，以輔助進行培訓課程的分配。此外，本發(fā)明還涉及區(qū)塊鏈技術，課程推薦列表可存儲于區(qū)塊鏈節(jié)點中。

技術領域

本發(fā)明涉及大數(shù)據(jù)技術領域，尤其涉及一種培訓課程推薦方法、裝置、設備及介質。

背景技術

目前的營業(yè)部培訓多以公司制式和營業(yè)部半制式為主，課程多為標準化內(nèi)容，即由總部或機構統(tǒng)一制定，因此，針對新人和主管線的培訓內(nèi)容不具備千人千面的特征，導致營業(yè)部無法有效合理地根據(jù)培訓需求制定培訓計劃。

與此同時，目前營業(yè)部依然以人工判斷的方式制定培訓策略，難以與營業(yè)部日新月異的需求和業(yè)務員多樣的個人特征適配，也就難以形成一套適合團體或個人的最優(yōu)培訓資源配置。

而在目前采用的基于算法進行自動推薦的方案中，也僅考慮了用戶的現(xiàn)時評分，數(shù)據(jù)較為單薄，對課程的評價較為片面，當還有其他因素對課程推薦的影響較大時，推薦的課程將具有較低的參考價值。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，有必要提供一種培訓課程推薦方法、裝置、設備及介質，能夠采用改進的協(xié)同過濾算法，基于加權相似度對每個課程進行更加有針對性的評分，進而針對不同情境下的多維屬性對課程進行合理推薦，對每個課程的量化值按照由高到低進行排序，并獲取排在前預設位的課程構建課程推薦列表，進而實現(xiàn)對培訓課程的自動推薦，以輔助進行培訓課程的分配。

一種培訓課程推薦方法，所述培訓課程推薦方法包括：

響應于培訓課程推薦指令，根據(jù)所述培訓課程推薦指令確定對象及課程；

調用配置數(shù)據(jù)庫，從所述配置數(shù)據(jù)庫中獲取與所述對象對應的數(shù)據(jù)作為對象特征，及從所述配置數(shù)據(jù)庫中獲取與所述課程對應的數(shù)據(jù)作為課程特征；

從所述對象特征中獲取第一維度特征，根據(jù)所述第一維度特征及所述課程特征構建第一矩陣，及從所述對象特征中獲取第二維度特征，根據(jù)所述第二維度特征及所述課程特征構建第二矩陣，其中，所述第二維度從屬于所述第一維度；

根據(jù)所述第一矩陣計算所述第一維度中每兩個第一對象間的第一相似度，及根據(jù)所述第二矩陣計算所述第二維度中每兩個第二對象間的第二相似度；

獲取待推薦對象；

根據(jù)所述第一相似度從所述第一對象中篩選所述待推薦對象的相似對象；

獲取配置權重，根據(jù)所述配置權重、所述第一相似度及所述第二相似度計算所述待推薦對象與所述相似對象間的加權相似度；

基于協(xié)同過濾算法，根據(jù)所述加權相似度預測所述待推薦對象對于每個課程的量化值；

對每個課程的量化值按照由高到低進行排序，并獲取排在前預設位的課程構建課程推薦列表。

根據(jù)本發(fā)明優(yōu)選實施例，所述根據(jù)所述培訓課程推薦指令確定對象及課程包括：

解析所述培訓課程推薦指令的方法體，得到所述培訓課程推薦指令所攜帶的信息；

獲取第一預設標簽及第二預設標簽；

根據(jù)所述第一預設標簽構建第一正則表達式，及根據(jù)所述第二預設標簽構建第二正則表達式；