CN111008340A - 课程推荐方法、设备和存储介质 - Google Patents
课程推荐方法、设备和存储介质 Download PDFInfo
- Publication number
- CN111008340A CN111008340A CN201911320014.0A CN201911320014A CN111008340A CN 111008340 A CN111008340 A CN 111008340A CN 201911320014 A CN201911320014 A CN 201911320014A CN 111008340 A CN111008340 A CN 111008340A
- Authority
- CN
- China
- Prior art keywords
- course
- courses
- index value
- determining
- keyword
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000010606 normalization Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种课程推荐方法、电子设备和存储介质,该方法包括:在网络学习***中的数据库中提取课程信息,包括课程标识、课程名称、课程关键字和课程所属培训班;根据课程信息计算课程之间的相似度并将相似度大于第一预设阈值的课程作为相似课程,得到多个相似课程集合;获取多个相似课程集合中的所有课程的关键字;根据所有课程的关键字,确定每个相似课程集合的第一关键字集合,第一关键字集合包括至少一个频率指标值大于第二预设阈值的关键字;根据第一关键字集合,确定热门课程;将热门课程的课程信息发送到显示终端进行显示,以提示待推荐用户学习热门课程。本申请可以使用户快速接受到优质有效课程的培训,提高了学习质量和学习效率。
Description
技术领域
本发明实施例涉及互联网技术领域,尤其涉及一种课程推荐方法、设备和存储介质。
背景技术
随着互联网的普及和深度应用,网络学***台,它弥补了开展线下面授培训班的局限性。而由于面授课程培训质量高,学员学习效果好,许多企业会针对不同子公司或者部门展开不同的面授课程培训,采用面授课程与网络学习课程相结合的方式培训学员。
一般来讲,面授培训班讲授的课程在一定程度上能够反应现阶段的学习热点和需求点,该类学习热点和需求点可以为网络学习***中的课程推荐提供有效参考,因此,管理人员会将面授课程视频上传到网络学习***,供所有学员学习。
然而,目前网络学习***上的网络课程和面授课程繁杂,没有形成***的课程推荐体系,导致学员无法更快的学习到优质的有效课程,降低了学习质量和效率。
发明内容
本发明实施例提供一种课程推荐方法、设备和存储介质,以解决现有技术中由于网络课程和面授课程繁杂以及没有形成***的课程推荐体系,导致学员无法更快的学习到优质的有效课程,降低学员学习质量和效率的问题。
本发明实施例的第一方面提供一种课程推荐方法,包括:
在网络学习***中的数据库中提取课程信息,所述课程信息包括至少一门课程的课程标识、课程名称、课程关键字和课程所属培训班;
根据所述课程信息计算课程之间的相似度,并将相似度大于第一预设阈值的课程作为相似课程,得到多个相似课程集合;
获取所述多个相似课程集合中的所有课程的关键字;
根据所有课程的关键字,确定每个相似课程集合的第一关键字集合,所述第一关键字集合包括至少一个频率指标值大于第二预设阈值的关键字;
根据所述第一关键字集合,确定热门课程;
将所述热门课程的课程信息发送到显示终端进行显示,以提示待推荐用户学习所述热门课程。
可选地,所述根据所有课程的关键字,确定每个相似课程集合的第一关键字集合,包括:
根据每个相似课程集合中所有课程的关键字,确定每个相似课程集合的第二关键字集合,所述第二关键字集合为对应课程数量大于第三预设阈值的核心关键字组成的集合;
确定所述第二关键字集合中每个关键字对应的课程数量指标值、培训班数量指标值和学员数量指标值;
根据所述课程数量指标值、培训班数量指标值和学员数量指标值确定每个关键字的频率指标值;
将频率指标值大于所述第二预设阈值的关键字组成的集合确定为每个相似课程集合的第一关键字集合。
可选地,所述根据每个相似课程集合中所有课程的关键字,确定每个相似课程集合的第二关键字集合,包括:
提取所述相似课程集合中所有课程的关键字中的核心词汇,所述核心词汇为关键字中交集最多的词汇;
将包含所述核心词汇的关键字作为所述相似课程集合的核心关键字,并计算所述相似课程集合中包含所述核心关键字的课程数量;
将对应的课程数量大于所述第三预设阈值的核心关键字组成的集合确定为所述相似课程集合的第二关键字集合。
可选地,所述确定所述第二关键字集合中每个关键字对应的课程数量指标值、培训班数量指标值和学员数量指标值,包括:
计算包含所述关键字的相似课程集合中的所有课程数量之和,将和值确定为所述关键字对应的课程数量指标值;和,
确定包含所述关键字的课程,将所述课程所属培训班的数量确定为所述关键字对应的培训班数量指标值;和,
计算包含所述关键字的课程所属培训班中的学员数量之和,将和值确定为所述关键字对应的学员数量指标值。
可选地,所述根据所述课程数量指标值、培训班数量指标值和学员数量指标值确定每个关键字的频率指标值,包括:
对所述课程数量指标值、培训班数量指标值和学员数量指标值分别进行归一化处理;
将归一化处理后的课程数量指标值、培训班数量指标值和学员数量指标值进行加权求和,将和值确定为所述关键字的频率指标值。
可选地,所述根据所述第一关键字集合,确定热门课程,包括:
确定特征相似课程集合,所述特征相似课程集合为包含所述第一关键字集合中的关键字的课程组成的集合;
计算所述特征相似课程集合中每门课程所属培训班的数量和每门课程的学员数量;
根据每门课程所属培训班的数量和学员数量,确定每门课程的热度指标值;
根据每门课程的热度指标值,确定所述特征相似课程集合中的热门课程。
可选地,所述根据每门课程所属培训班的数量和学员数量,确定每门课程的热度指标值,包括:
对所述每门课程所属培训班的数量和学员数量分别进行归一化处理;
将归一化处理后的每门课程所属培训班的数量和学员数量进行加权求和,将和值确定为每门课程的热度指标值。
可选地,所述根据每门课程的热度指标值,确定所述特征相似课程集合中的热门课程,包括:
按照每门课程的热度指标值从大到小的顺序,对所述特征相似课程集合中的课程进行排序;
将前预设数量门课程确定为热门课程,或者,将热度指标值大于第四预设数量阈值的课程确定为热门课程。
本发明实施例的第二方面提供一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行本发明实施例第一方面所述的课程推荐方法。
本发明实施例的第三方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现本发明实施例的第一方面所述的课程推荐方法。
本发明实施例提供的课程推荐方法、设备和存储介质,通过从所有面授课程和网络课程中提取课程关键字,并从所有关键字中提取高频关键字,再从包含高频关键字的课程中选取综合指标最高的预设数量门课程作为热门课程,并将热门课程推荐给学员,使得学员可以快速的学习到高质量课程,提高了学员的学习效率和学习质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一示例性实施例示出的课程推荐方法的应用场景图;
图2是本发明一示例性实施例示出的课程推荐方法的流程示意图;
图3是本发明另一示例性实施例示出的课程推荐方法的流程示意图;
图4是本发明另一示例性实施例示出的课程推荐方法的流程示意图;
图5是本发明一示例性实施例示出的课程推荐装置的结构示意图;
图6是本发明一示例性实施例示出的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前,许多企业会针对不同子公司或者部门展开不同的面授课程培训,采用面授课程与网络学习课程相结合的方式培训学员。由于面授培训班讲授的课程在一定程度上能够反应现阶段的学习热点和需求点,该类学习热点和需求点可以为网络学习***中的课程推荐提供有效参考,因此,管理人员会将面授课程视频上传到网络学习***,供所有学员学习。
然而,网络学习***上的网络课程和面授课程繁杂,没有形成***的课程推荐体系,导致学员无法更快的学习到优质的有效课程,降低了学习质量和效率。
针对此缺陷,本发明提供了一种课程推荐方法、设备和存储介质,该方法通过从所有面授课程和网络课程中提取课程关键字,并从所有关键字中提取高频关键字,再从包含高频关键字的课程中选取综合指标最高的预设数量门课程作为热门课程,并将热门课程推荐给学员或者培训人员,使得学员可以快速的学习到高质量课程,提高了学员的学习效率和学习质量,以及,培训人员可以参考热门课程对学员展开培训,提高了培训效率和培训质量。
图1是本发明一示例性实施例示出的课程推荐方法的应用场景图。
如图1所示,服务器102在网络学习***中的数据库101中提取课程信息,所述课程信息包括至少一门课程的课程标识、课程名称、课程关键字和课程所属培训班;根据所述课程信息计算课程之间的相似度,并将相似度大于第一预设阈值的课程作为相似课程,得到多个相似课程集合;然后获取所述多个相似课程集合中的所有课程的关键字;再根据所有课程的关键字,确定每个相似课程集合的第一关键字集合,所述第一关键字集合包括至少一个频率指标值大于第二预设阈值的关键字;根据所述第一关键字集合,确定热门课程;最后,将所述热门课程的课程信息发送到显示终端103进行显示,以提示待推荐用户学习所述热门课程。
图2是本发明一示例性实施例示出的课程推荐方法的流程示意图,本实施例中方法的执行主体可以是图1所示实施例中的服务器,也可以是一种终端,比如手机、平板电脑等移动终端。
如图2所示,本实施例提供的方法可以包括以下步骤:
S201,在网络学习***中的数据库中提取课程信息,所述课程信息包括至少一门课程的课程标识、课程名称、课程关键字和课程所属培训班。
其中,网络学习***的数据库中的课程包括面授课程和网络录制课程。课程标识和课程名称为一一对应的关系,每门课程对应多个课程关键字。
由于公司不同部门或者不同子公司的工作内容不同,因此,各个部门或各个子公司设立的培训班的培训课程也不同,并且,对于各个部门工作内容相同的部分,会将同一门课程在多个培训班中对学员展开培训。
需要说明的是,培训班信息包括:该培训班中所有课程的关键字、以及所有课程的ID(即课程标识),因此,通过课程标识,便可以确定该课程属于哪个子公司或者部门设立的培训班。
S202,根据所述课程信息计算课程之间的相似度,并将相似度大于第一预设阈值的课程作为相似课程,得到多个相似课程集合。
其中,相似度用于表示课程之间的相似程度和关联程度,相似度越高,说明课程之间的相似程度或关联程度越高。
具体的,计算课程之间相似度的方法可以将每门课程的关键字转换成词向量,计算词向量之间的相似度,从而得到课程之间的相似度,其具体计算过程可以参考现有技术中相似度的计算方法,此处不在详细描述。
在得到课程之间的相似度之后,将相似度大于第一预设阈值的课程作为相似课程,并将相似课程和课程关键字放入同一个集合中,定义为相似课程集合,相似课程集合可以用Ai表示, 表示课程ID,Ji表示集合Ai中课程ID的数量,I表示相似课程集合的数量,从而得到多个相似课程集合(如A1、A2、A3等),每个相似课程集合中包括多门相似课程(如A1,1、A1,2等)。
S203,获取所述多个相似课程集合中的所有课程的关键字。
其中,每门课程对应至少一个关键字,每个相似课程集合包含至少一门课程。
S204,根据所有课程的关键字,确定每个相似课程集合的第一关键字集合,所述第一关键字集合包括至少一个频率指标值大于第二预设阈值的关键字。
由于每个相似课程集合都包含多门相似课程,每个相似课程集合中的多门课程都具有相同或相似的关键字,因此,可以从每个相似课程集合中多门课程的所以关键字中选取有代表性的关键字,作为每个相似课程集合的核心关键字,再从每个相似课程集合的核心关键字中选取出每个相似课程集合的高频关键字。
具体的,参见图3,确定每个相似课程集合的第一关键字集合的方法可以包括以下步骤:
S2041,根据每个相似课程集合中所有课程的关键字,确定每个相似课程集合的第二关键字集合,所述第二关键字集合为对应课程数量大于第三预设阈值的核心关键字组成的集合。
首先,提取所述相似课程集合中所有课程的关键字中的核心词汇,所述核心词汇为关键字中交集最多的词汇;
具体的,从相似课程集合Ai的关键字集合ACKi中各个关键字交集最多的词汇,将交集最多的词汇确定为相似课程集合Ai的核心词汇,记为Wi。
比如,关键字集合ACKi为{云计算、云服务、云业务、云技术、云应用、大数据},则交集最多的字为“云”,则Wi={云}。
然后,将包含所述核心词汇的关键字作为所述相似课程集合的核心关键字,并计算所述相似课程集合中包含所述核心关键字的课程数量;
具体的,所有核心关键字组成核心关键字集合,记为TKWi,对于TKWi中的各个核心关键字,计算相似课程集合Ai中包含该核心关键字的课程数量。
比如,核心词汇为“云”,则核心关键字为“云计算”、“云服务”、“云技术”和“云应用”。然后计算相似课程集合Ai中,有哪些课程的关键字包括“云计算”,哪些课程的关键字包括“云服务”等,从而得到每个核心关键字对应的课程数量。
最后,将对应的课程数量大于所述第三预设阈值的核心关键字组成的集合确定为所述相似课程集合的第二关键字集合。
其中,第三预设阈值可以根据实际需求进行设定。
比如,第三预设阈值为8。包含“云计算”的课程数量为10,包含“云服务”的课程数量为9,包含“云技术”的课程数量为5,包含“云应用”的课程数量为11,那么,核心关键字“云计算”、“云服务”和“云应用”组成的集合便为相似课程集合Ai的第二关键字集合。
或者,按照课程数量从多到少的顺序对核心关键字进行排序,选取课程数量最高的N个关键字,作为相似课程集合Ai的第二关键字集合,第二关键字集合可以记为Ki,Ki={Ki,n,n=1,2,3,…Ni},所有相似课程集合的第二关键字集合的并集记作TK,
比如,N的值为3,按照课程数量从多到少的顺序对相似课程集合Ai的核心关键字进行排序,第一为“云应用”,第二为“云计算”,第三为“云服务”,第四为“云技术”,那么选取前3个关键字得到相似课程集合Ai的第二关键字集合Ki为{云应用、云计算、云服务、云业务}。
S2042,确定所述第二关键字集合中每个关键字对应的课程数量指标值、培训班数量指标值和学员数量指标值。
一些实施例中,计算第二关键字集合中每个关键字对应的课程数量指标值、培训班数量指标值和学员数量指标值的方法包括:
计算包含所述关键字的相似课程集合中的所有课程数量之和,将和值确定为所述关键字对应的课程数量指标值;
具体的,将课程数量指标值记为P1k,如果关键字TKk仅出现在唯一一个相似课程集合Ai的第二关键字集合Ki中,而相似课程集合Ai中包含的课程数量为Ji,则令P1k=Ji。若关键字TKk现在两个或两个以上相似课程集合的第二关键字集合Ki中,则令其中
比如,关键字TKk为“云应用”,其既出现在相似课程集合A1的第二关键字集合K1中(即TKk∈K1),又出现在相似课程集合A2的第二关键字集合K2中(即TKk∈K2),且,相似课程集合A1中包含50门课程,相似课程集合A2中包含40门课程,那么,关键字“云应用”的课程数量指标值P1k为90。
确定包含所述关键字的课程,将所述课程所属培训班的数量确定为所述关键字对应的培训班数量指标值;
计算包含所述关键字的课程所属培训班中的学员数量之和,将和值确定为所述关键字对应的学员数量指标值。
S2043,根据所述课程数量指标值、培训班数量指标值和学员数量指标值确定每个关键字的频率指标值。
具体的,每个关键字的频率指标值由三个指标值P1k,P2k和P3k综合计算得到。
可选地,对所述课程数量指标值、培训班数量指标值和学员数量指标值分别进行归一化处理;
对于指标P1k,取其值最大的M个数值(例如M=20),即,令P10=max(P1k,k=1,2,3,…,M),P10≠0。然后进行归一化处理,归一化处理后课程数量指标值记作NP1k,令NP1k=P1k/P10,k=1,2,3,…,M)。
采用同样的计算方法,得到归一化处理后的培训班数量指标值记为NP2k和学员数量指标值NP3k。
将归一化处理后的课程数量指标值、培训班数量指标值和学员数量指标值进行加权求和,将和值确定为所述关键字的频率指标值。
其中,加权求和的计算公式为TPk=α×NP1k+β×NP2k+γ×NP3k,其中,α,β,γ∈[0,1],且α+β+γ=1。其中,TPk表示关键字的频率指标值,α,β,γ均为权重系数。
S2044,将频率指标值大于所述第二预设阈值的关键字组成的集合确定为每个相似课程集合的第一关键字集合。
其中,第二预设阈值可根据实际需求进行设定。
比如,相似课程集合Ai的第二关键字集合Ki为{云应用、云计算、云服务、云业务},其中,云应用、云计算、云服务和云业务各自的频率指标值分别为20、25、15和30,第二预设阈值为19,那么。将频率指标值大于19的关键字云应用、云计算和云业务组成的集合,确定为相似课程集合Ai的第一关键字集合。
或者,依据TPk值对集合TK中的元素进行从大到小排序,取值较高的M2个元素作为高频关键字,由高频关键字组成的集合为第一关键字集合,记为TKW,TKW={TKWm,m=1,2,3,…M2},其中M2值可以根据需要进行设置,也可以取默认值,例如M2=10。
S205,根据所述第一关键字集合,确定热门课程。
具体的,参见图4,根据所述第一关键字集合,确定热门课程的方法可以包括如下步骤:
S2051,确定特征相似课程集合,所述特征相似课程集合为包含所述第一关键字集合中的关键字的课程组成的集合。
在所有相似课程集合中,获取包含高频关键字的相似课程集合,组成特征相似课程集合,记为PA,PA={Aq,q=1,2,3,…}。其中,高频关键字即为第一关键字集合中的关键字。
比如,相似课程集合A1、A2和A3包含高频关键字,那么特征相似课程集合PA={A1,A2,A3}。
S2052,计算所述特征相似课程集合中每门课程所属培训班的数量和每门课程的学员数量。
具体的,对于相似课程集合Aq,计算集合内各课程(记为Aq,j)所属的培训班数量,记作F1q,j。在网络学习***的数据库中,依据课程ID,获取课程Aq,j所属的培训班数量,记为Num1q,j,令F1q,j=Num1q,j。
对于相似课程集合Aq,计算集合内各课程(记为Aq,j)的学员数量,记作F2q,j。在网络学习***的数据库中,依据课程ID,获取课程Aq,j所在培训班的学员数量并求和,记作Num2q,j,令F2q,j=Num2q,j。
比如,课程Aq,j属于第一培训班,也属于第二培训班,第一培训班的学员数量为101,第二培训班的学员数量为90,那么,课程Aq,j的学员数量则为191。
S2053,根据每门课程所属培训班的数量和学员数量,确定每门课程的热度指标值;
对于相似课程集合Aq,计算集合内各课程Aq,j的热度指标值,记作TFq,j,令TFq,j=f(Num1q,j,Num2q,j),其中f为计算函数,其计算方法为对所述每门课程所属培训班的数量和学员数量分别进行归一化处理;将归一化处理后的每门课程所属培训班的数量和学员数量进行加权求和,将和值确定为每门课程的热度指标值。
S2054,根据每门课程的热度指标值,确定所述特征相似课程集合中的热门课程。
具体的,按照每门课程的热度指标值从大到小的顺序,对所述特征相似课程集合中的课程进行排序;
将前预设数量门课程确定为热门课程,或者,将热度指标值大于第四预设数量阈值的课程确定为热门课程。
比如,预设数量为3,则选择相似课程集合Aq中热度指标值排名前3的三门课程作为热门课程;或者,第四预设数量阈值为50,则将热度指标值大于50的课程作为热门课程。
S206,将所述热门课程的课程信息发送到显示终端进行显示,以提示待推荐用户学习所述热门课程。
本实施例中,通过从所有面授课程和网络课程中提取课程关键字,并从所有关键字中选出核心关键字,从核心关键字中提取高频关键字,再从包含高频关键字的课程中选取综合指标最高的预设数量门课程作为热门课程,并将热门课程推荐给学员或者培训人员,使得学员可以快速的学习到高质量课程,提高了学员的学习效率和学习质量,以及,培训人员可以参考热门课程对学员展开培训,提高了培训效率和培训质量。
图5是本发明一示例性实施例示出的课程推荐装置的结构示意图。
如图5所示,本实施例提供的课程推荐装置包括:
信息提取模块501,用于在网络学习***中的数据库中提取课程信息,所述课程信息包括至少一门课程的课程标识、课程名称、课程关键字和课程所属培训班。
相似度计算模块502,用于根据所述课程信息计算课程之间的相似度,并将相似度大于第一预设阈值的课程作为相似课程,得到多个相似课程集合。
关键字获取模块503,用于获取所述多个相似课程集合中的所有课程的关键字。
关键字确定模块504,用于根据所有课程的关键字,确定每个相似课程集合的第一关键字集合,所述第一关键字集合包括至少一个频率指标值大于第二预设阈值的关键字。
课程确定模块505,用于根据所述第一关键字集合,确定热门课程。
课程推荐模块506,用于将所述热门课程的课程信息发送到显示终端进行显示,以提示待推荐用户学习所述热门课程。
本实施例中各个模块的详细功能描述请参考有关该方法的实施例中的描述,此处不做详细阐述说明。
图6为本发明实施例提供的电子的硬件结构示意图。如图6所示,本实施例提供的电子设备600包括:至少一个处理器601和存储器602。其中,处理器601、存储器602通过总线603连接。
本实施例中,电子设备可以是服务器,也可以是一种终端,比如手机、平板电脑等终端。
在具体实现过程中,至少一个处理器601执行所述存储器602存储的计算机执行指令,使得至少一个处理器601执行上述方法实施例中的课程推荐方法。
处理器601的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图6所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请的另一实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现上述方法实施例中的课程推荐方法。
上述的计算机可读存储介质,上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。当然,处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种课程推荐方法,其特征在于,包括:
在网络学习***中的数据库中提取课程信息,所述课程信息包括至少一门课程的课程标识、课程名称、课程关键字和课程所属培训班;
根据所述课程信息计算课程之间的相似度,并将相似度大于第一预设阈值的课程作为相似课程,得到多个相似课程集合;
获取所述多个相似课程集合中的所有课程的关键字;
根据所有课程的关键字,确定每个相似课程集合的第一关键字集合,所述第一关键字集合包括至少一个频率指标值大于第二预设阈值的关键字;
根据所述第一关键字集合,确定热门课程;
将所述热门课程的课程信息发送到显示终端进行显示,以提示待推荐用户学习所述热门课程。
2.根据权利要求1所述的方法,其特征在于,所述根据所有课程的关键字,确定每个相似课程集合的第一关键字集合,包括:
根据每个相似课程集合中所有课程的关键字,确定每个相似课程集合的第二关键字集合,所述第二关键字集合为对应课程数量大于第三预设阈值的核心关键字组成的集合;
确定所述第二关键字集合中每个关键字对应的课程数量指标值、培训班数量指标值和学员数量指标值;
根据所述课程数量指标值、培训班数量指标值和学员数量指标值确定每个关键字的频率指标值;
将频率指标值大于所述第二预设阈值的关键字组成的集合确定为每个相似课程集合的第一关键字集合。
3.根据权利要求2所述的方法,其特征在于,所述根据每个相似课程集合中所有课程的关键字,确定每个相似课程集合的第二关键字集合,包括:
提取所述相似课程集合中所有课程的关键字中的核心词汇,所述核心词汇为关键字中交集最多的词汇;
将包含所述核心词汇的关键字作为所述相似课程集合的核心关键字,并计算所述相似课程集合中包含所述核心关键字的课程数量;
将对应的课程数量大于所述第三预设阈值的核心关键字组成的集合确定为所述相似课程集合的第二关键字集合。
4.根据权利要求2所述的方法,其特征在于,所述确定所述第二关键字集合中每个关键字对应的课程数量指标值、培训班数量指标值和学员数量指标值,包括:
计算包含所述关键字的相似课程集合中的所有课程数量之和,将和值确定为所述关键字对应的课程数量指标值;和,
确定包含所述关键字的课程,将所述课程所属培训班的数量确定为所述关键字对应的培训班数量指标值;和,
计算包含所述关键字的课程所属培训班中的学员数量之和,将和值确定为所述关键字对应的学员数量指标值。
5.根据权利要求2所述的方法,其特征在于,所述根据所述课程数量指标值、培训班数量指标值和学员数量指标值确定每个关键字的频率指标值,包括:
对所述课程数量指标值、培训班数量指标值和学员数量指标值分别进行归一化处理;
将归一化处理后的课程数量指标值、培训班数量指标值和学员数量指标值进行加权求和,将和值确定为所述关键字的频率指标值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一关键字集合,确定热门课程,包括:
确定特征相似课程集合,所述特征相似课程集合为包含所述第一关键字集合中的关键字的课程组成的集合;
计算所述特征相似课程集合中每门课程所属培训班的数量和每门课程的学员数量;
根据每门课程所属培训班的数量和学员数量,确定每门课程的热度指标值;
根据每门课程的热度指标值,确定所述特征相似课程集合中的热门课程。
7.根据权利要求5所述的方法,其特征在于,所述根据每门课程所属培训班的数量和学员数量,确定每门课程的热度指标值,包括:
对所述每门课程所属培训班的数量和学员数量分别进行归一化处理;
将归一化处理后的每门课程所属培训班的数量和学员数量进行加权求和,将和值确定为每门课程的热度指标值。
8.根据权利要求6所述的方法,其特征在于,所述根据每门课程的热度指标值,确定所述特征相似课程集合中的热门课程,包括:
按照每门课程的热度指标值从大到小的顺序,对所述特征相似课程集合中的课程进行排序;
将前预设数量门课程确定为热门课程,或者,将热度指标值大于第四预设数量阈值的课程确定为热门课程。
9.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至8任一项所述的课程推荐方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至8任一项所述的课程推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320014.0A CN111008340B (zh) | 2019-12-19 | 2019-12-19 | 课程推荐方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320014.0A CN111008340B (zh) | 2019-12-19 | 2019-12-19 | 课程推荐方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008340A true CN111008340A (zh) | 2020-04-14 |
CN111008340B CN111008340B (zh) | 2022-11-29 |
Family
ID=70117660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911320014.0A Active CN111008340B (zh) | 2019-12-19 | 2019-12-19 | 课程推荐方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008340B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113656705A (zh) * | 2021-08-31 | 2021-11-16 | 中国平安财产保险股份有限公司 | 基于人工智能的课程推荐方法、装置、设备及存储介质 |
CN113837322A (zh) * | 2021-11-04 | 2021-12-24 | 中国联合网络通信集团有限公司 | 课程的分类处理方法、装置、设备及介质 |
CN117009829A (zh) * | 2023-10-07 | 2023-11-07 | 成都华栖云科技有限公司 | 一种录播课程的相似度识别方法及装置 |
CN117349492A (zh) * | 2023-12-06 | 2024-01-05 | 国信蓝桥教育科技股份有限公司 | 一种基于学习数据的课程推荐方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150281142A1 (en) * | 2014-03-28 | 2015-10-01 | Huawei Technologies Co., Ltd. | Hot Topic Pushing Method and Apparatus |
CN105069102A (zh) * | 2015-08-03 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN105528432A (zh) * | 2015-12-15 | 2016-04-27 | 北大方正集团有限公司 | 一种数字资源热点生成方法及装置 |
CN106023015A (zh) * | 2016-05-18 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 课程学习路径推荐方法及装置 |
CN109299372A (zh) * | 2018-10-18 | 2019-02-01 | 浙江正元智慧科技股份有限公司 | 一种基于协同过滤的智慧选课推荐方法 |
CN109766492A (zh) * | 2018-12-24 | 2019-05-17 | 中国联合网络通信集团有限公司 | 学习推荐方法、装置、设备和可读介质 |
-
2019
- 2019-12-19 CN CN201911320014.0A patent/CN111008340B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150281142A1 (en) * | 2014-03-28 | 2015-10-01 | Huawei Technologies Co., Ltd. | Hot Topic Pushing Method and Apparatus |
CN105069102A (zh) * | 2015-08-03 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN105528432A (zh) * | 2015-12-15 | 2016-04-27 | 北大方正集团有限公司 | 一种数字资源热点生成方法及装置 |
CN106023015A (zh) * | 2016-05-18 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 课程学习路径推荐方法及装置 |
CN109299372A (zh) * | 2018-10-18 | 2019-02-01 | 浙江正元智慧科技股份有限公司 | 一种基于协同过滤的智慧选课推荐方法 |
CN109766492A (zh) * | 2018-12-24 | 2019-05-17 | 中国联合网络通信集团有限公司 | 学习推荐方法、装置、设备和可读介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113656705A (zh) * | 2021-08-31 | 2021-11-16 | 中国平安财产保险股份有限公司 | 基于人工智能的课程推荐方法、装置、设备及存储介质 |
CN113656705B (zh) * | 2021-08-31 | 2024-02-20 | 中国平安财产保险股份有限公司 | 基于人工智能的课程推荐方法、装置、设备及存储介质 |
CN113837322A (zh) * | 2021-11-04 | 2021-12-24 | 中国联合网络通信集团有限公司 | 课程的分类处理方法、装置、设备及介质 |
CN113837322B (zh) * | 2021-11-04 | 2023-05-30 | 中国联合网络通信集团有限公司 | 课程的分类处理方法、装置、设备及介质 |
CN117009829A (zh) * | 2023-10-07 | 2023-11-07 | 成都华栖云科技有限公司 | 一种录播课程的相似度识别方法及装置 |
CN117349492A (zh) * | 2023-12-06 | 2024-01-05 | 国信蓝桥教育科技股份有限公司 | 一种基于学习数据的课程推荐方法及*** |
CN117349492B (zh) * | 2023-12-06 | 2024-05-31 | 国信蓝桥教育科技股份有限公司 | 一种基于学习数据的课程推荐方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111008340B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008340B (zh) | 课程推荐方法、设备和存储介质 | |
CN112346567B (zh) | 基于ai的虚拟交互模型生成方法、装置及计算机设备 | |
US11449785B2 (en) | Method and system for artificial intelligence learning using messaging service and method and system for relaying answer using artificial intelligence | |
CN109816265B (zh) | 知识特征掌握度的评价方法、题目推荐方法及电子设备 | |
CN106126524B (zh) | 信息推送方法和装置 | |
CN115146162A (zh) | 一种在线课程推荐方法及*** | |
CN111813993A (zh) | 视频内容的拓展方法、装置、终端设备及存储介质 | |
CN116204714A (zh) | 推荐方法、装置、电子设备及存储介质 | |
CN111444339A (zh) | 文本题目难度标注方法、装置及计算机可读存储介质 | |
CN114297372A (zh) | 个性化的笔记生成方法及*** | |
CN112434144A (zh) | 生成目标问题的方法、装置、电子设备和计算机可读介质 | |
CN113177071A (zh) | 一种用户匹配方法、装置、计算机设备及存储介质 | |
CN110765278B (zh) | 一种查找相似习题的方法、计算机设备及存储介质 | |
CN116541711A (zh) | 模型训练方法、课程推荐方法、装置、设备及介质 | |
CN111062449A (zh) | 预测模型的训练方法、兴趣度预测方法、装置和存储介质 | |
CN113641908B (zh) | 课程推送方法、装置、服务器和计算机存储介质 | |
US20170193620A1 (en) | Associate a learner and learning content | |
CN112347366B (zh) | 基于学习者画像与习题相似度的预科中文习题推送方法 | |
CN112380263A (zh) | 一种教学数据推荐方法及装置 | |
Furtado et al. | The effect on new knowledge and reviewed knowledge caused by the positioning task in closed concept maps | |
CN111414609A (zh) | 一种对象验证方法和装置 | |
CN114237460B (zh) | 标签显示方法、装置、终端、存储介质及计算机程序产品 | |
CN110728992A (zh) | 音频数据的处理方法、装置、服务器及存储介质 | |
CN109636693A (zh) | 一种练习题目的推荐方法及电子设备 | |
CN111723164A (zh) | 地址信息的处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |