[發明專利]課程的分類處理方法、裝置、設備及介質

有效

• 申請號: 202111298158.8
• 申請日: 2021-11-04
• 公開（公告）號: CN113837322B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 李素粉;趙健東
• 申請（專利權）人: 中國聯合網絡通信集團有限公司
• 主分類號: G06F18/2415
• 分類號: G06F18/2415;G06F18/214
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊俊輝;劉芳

本發明提供的課程的分類處理方法、裝置、設備及介質，通過服務器接收終端設備發送的課程分類請求開始進行分類，根據服務對象類型集合，分別獲取待分類課程的第一、第二和第三臨時變量，進而計算獲取服務對象類型指標，從而確定待分類課程的服務對象類型，完成第一級分類。再通過服務器預先獲取的課程關鍵字集合，課程學習量區間集合以及課程峰值學習時間區間集合，選擇出待分類課程對應的課程關鍵字，課程學習量區間，課程峰值學習時間區間，進而確定出待分類課程的專業類型，完成第二級分類，再將服務對象類型和專業類型返回終端設備向用戶展示。本方案通過兩級分類確定出待分類課程的服務對象類型和專業類型，提高了課程分類的準確性。

技術領域

本發明涉及計算機領域，尤其涉及一種課程的分類處理方法、裝置、設備及介質。

背景技術

隨著計算機網絡的發展，網上學習平臺的課程越來越多，學員可以自由選擇課程進行學習，學員在選擇課程時通常按照網上學習平臺上給定的類別進行查找選擇。因此，就需要對課程進行合理的分類。

現有技術中，目前課程的分類方法是通過用戶對部分課程進行分類形成樣本，再將樣本輸入初始的分類模型中進行模型訓練，訓練完成后形成課程分類模型。用戶再將網上學習平臺上的所有課程輸入課程分類模型，進而課程分類模型即可輸出課程對應的類別。

綜上所述，現有的課程分類方法需要用戶使用訓練后的課程分類模型進行課程分類，分類結果完全依賴于課程分類模型，導致課程分類的準確性較低。

發明內容

本發明實施例提供一種課程的分類處理方法、裝置、設備及介質，用于解決現有技術中課程分類方法需要用戶使用訓練后的課程分類模型進行課程分類，分類結果完全依賴于課程分類模型，導致課程分類的準確性較低的問題。

第一方面，本發明提供一種課程的分類處理方法，用于服務器，所述方法包括：

接收終端設備發送的課程分類請求，所述課程分類請求用于指示對待分類課程進行分類；

針對所述待分類課程，根據預先獲取的服務對象類型集合，分別獲取所述待分類課程的第一臨時變量，第二臨時變量和第三臨時變量；其中，所述服務對象類型集合中包括多個服務對象類型以及其他類型，所述第一臨時變量包括學習所述待分類課程的學員中每一類服務對象類型的學員數量的占比，所述第二臨時變量包括所述待分類課程的線上培訓班中每一類服務對象類型的線上培訓班數量的占比，所述第三臨時變量包括所述待分類課程的線下培訓班中每一類服務對象類型的線下培訓班數量的占比；

根據所述第一臨時變量，第二臨時變量，第三臨時變量，計算獲取多個服務對象類型指標，每個服務對象類型指標用于指示所述待分類課程為所述服務對象類型的可能性；

根據所述多個服務對象類型指標，確定所述待分類課程的目標服務對象類型；

根據預先獲取的課程關鍵字集合，課程學習量區間集合以及課程峰值學習時間區間集合，選擇出所述待分類課程對應的課程關鍵字，課程學習量區間，課程峰值學習時間區間；

根據所述課程關鍵字，所述課程學習量區間，所述課程峰值學習時間區間，確定出所述待分類課程的目標專業類型；

將所述待分類課程的所述目標服務對象類型和所述目標專業類型返回所述終端設備。

在一種具體實施方式中，所述根據所述課程關鍵字，所述課程學習量區間，所述課程峰值學習時間區間，確定出所述待分類課程的目標專業類型，包括：

根據所述課程關鍵字，所述課程學習量區間，所述課程峰值學習時間區間，計算所述待分類課程為每一種專業類型的條件概率；

根據所述待分類課程為每一種專業類型的條件概率和每一種專業類型的先驗概率，計算所述待分類課程為每一種專業類型的專業類型指標，所述待分類課程為每一種專業類型的專業類型指標用于指示所述待分類課程為所述專業類型的可能性；