CN111222040A - 一种基于培训需求的方案自匹配处理方法及*** - Google Patents
一种基于培训需求的方案自匹配处理方法及*** Download PDFInfo
- Publication number
- CN111222040A CN111222040A CN201911390520.7A CN201911390520A CN111222040A CN 111222040 A CN111222040 A CN 111222040A CN 201911390520 A CN201911390520 A CN 201911390520A CN 111222040 A CN111222040 A CN 111222040A
- Authority
- CN
- China
- Prior art keywords
- keywords
- scheme
- vocabularies
- correlation
- preset
- 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
- 238000012549 training Methods 0.000 title claims abstract description 37
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000002123 temporal effect Effects 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/9538—Presentation of query results
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于培训需求的方案自匹配处理方法及***,所述方法包括:接收用户录入的一个或多个关键字;在数据库中提取一个或多个关键字对应数据库中其他词汇的相关系数,生成第一图谱;根据第一图谱中基于相关系数的归类等级,获取第一图谱中与一个或多个关键字的任一个的相关系数高于预设等级要求的多个关联词汇;根据一个或多个关键字以及多个关联词汇,按照预设规则在预先设置的方案库中进行匹配,获得匹配值高于预设阈值的一个或多个方案;根据预设规则,计算一个或多个方案中每一个的相关度,选取相关度最大的方案作为优选推介方案;所述方法解决了现有技术中人工干预的弊端,有利于在线自助培训的完善和推广。
Description
技术领域
本发明涉及信息技术领域,更具体地,涉及一种基于培训需求的方案自匹配处理方法及***。
背景技术
随着互联网的发达日益发展,网络课堂及类似产品正逐步的正规化,更多的人侧重互联网获取知识,原意知识付费;而这就要求网络上培训内容或方案的精准直达,能够对询问的需求问题进行精准的培训匹配。目前的在线培训***大部分基于问题的关键字进行分析,或者接入人工进行课程咨询,然后再购买课程,对于消费者或者企业来说,没有办法直接选择有针对性的课程或者培训内容,需要人工干预较多,人工的课程介绍客观性较差,使得无法对询问者的问题实现精准培训匹配。
发明内容
为了解决背景技术存在的现有技术无法对培训需求者实现精准的培训匹配的问题,本发明提供了一种基于培训需求的方案自匹配处理方法及***,所述方法及***通过皮尔逊相关系数预先对多个关键词进行相关系数的计算,并根据用户培训需求关键字,获得相关系数较高的其他词汇,进而根据所述关键字和其他词汇获得相关度最高的培训方案作为优选推介;所述一种基于培训需求的方案自匹配处理方法,包括:
接收用户录入的一个或多个关键字;
在数据库中提取所述一个或多个关键字对应数据库中其他词汇的相关系数,生成第一图谱;
根据所述第一图谱中基于相关系数的归类等级,获取所述第一图谱中与所述一个或多个关键字的任一个的相关系数高于预设等级要求的多个关联词汇;
根据所述一个或多个关键字以及所述多个关联词汇,按照预设规则在预先设置的方案库中进行匹配,获得匹配值高于预设阈值的一个或多个方案;
根据预设规则,计算所述一个或多个方案中每一个的相关度,选取相关度最大的方案作为优选推介方案。
进一步的,所述接收用户录入的一个或多个关键字,包括:
接收用户录入的针对培训需求的一个或多个关键字以及测试企业需求获得的一个或多个关键字。
进一步的,所述在数据库中提取所述一个或多个关键字对应数据库中其他词汇的相关系数前,所述方法还包括:
提取方案库中每个方案的多个词汇;
根据皮尔逊相关系数算法计算所述每个词汇相对于其他词汇的相关系数;
通过预设的等级归类规则,将每两个词汇按照相关系数确定归类等级;
将所述词汇间的相关系数以及归类等级存储在所述数据库中。
进一步的,所述根据预设规则计算所述一个或多个方案中每一个的相关度,包括:
获取所述一个或多个方案中每一个中包含的关键字以及关联词汇;
获取该方案中所述关键字以及关联词汇中每一个在数据库历史中出现的次数;
根据如下公式计算获得相关度:
R=A+B+C+…
其中,所述A、B、C···为所述关键字以及关联词汇的每一个在方案库中出现的次数与所有词汇在方案库中的出现总次数的比值。
进一步的,选取相关度最大的方案作为优选推介方案后,所述方法还包括:
接收所述用户再次输入的一个或多个新关键字;
根据所述新关键字、第一次输入的关键字以及所述第一图谱中的多个关联词汇生成第二图谱;
按照预设规则在预设设置的方案库中匹配重新获得一个或多个方案;
计算所述一个或多个方案中每一个的相关度,选取相关度最大的方案作为优选推介方案。
所述一种基于培训需求的方案自匹配处理***包括:
用户录入单元,所述用户录入单元用于接收用户录入的一个或多个关键字;
图谱生成单元,所述图谱生成单元用于在数据库中提取所述一个或多个关键字对应数据库中其他词汇的相关系数,生成第一图谱;
方案获取单元,所述方案获取单元用于根据所述第一图谱中基于相关系数的归类等级,获取所述第一图谱中与所述一个或多个关键字的任一个的相关系数高于预设等级要求的多个关联词汇;
所述方案获取单元用于根据所述一个或多个关键字以及所述多个关联词汇,按照预设规则在预先设置的方案库中进行匹配,获得匹配值高于预设阈值的一个或多个方案;
相关度计算单元,所述相关度计算单元用于根据预设规则,计算所述一个或多个方案中每一个的相关度;
优选推介输出单元,所述优选推介输出单元用于选取相关度最大的方案作为优选推介方案。
进一步的,所述用户录入单元用于接收用户录入的针对培训需求的一个或多个关键字以及测试企业需求获得的一个或多个关键字。
进一步的,所述***包括相关系数计算单元;
所述相关系数计算单元用于提取方案库中每个方案的多个词汇;
所述相关系数计算单元用于根据皮尔逊相关系数算法计算所述每个词汇相对于其他词汇的相关系数;
所述相关系数计算单元用于通过预设的等级归类规则,将每两个词汇按照相关系数确定归类等级;
所述相关系数计算单元用于将所述词汇间的相关系数以及归类等级存储在所述数据库中。
进一步的,所述相关度计算单元用于获取所述一个或多个方案中每一个中包含的关键字以及关联词汇;
所述相关度计算单元用于获取该方案中所述关键字以及关联词汇中每一个在数据库历史中出现的次数;
所述相关度计算单元用于根据如下公式计算获得相关度:
R=A+B+C+…
其中,所述A、B、C···为所述关键字以及关联词汇的每一个在方案库中出现的次数与所有词汇在方案库中的出现总次数的比值。
进一步的,所述用户录入单元用于接收所述用户再次输入的一个或多个新关键字;
所述图谱生成单元用于根据所述新关键字、第一次输入的关键字以及所述第一图谱中的多个关联词汇生成第二图谱;
所述方案获取单元用于按照预设规则在预设设置的方案库中匹配重新获得一个或多个方案;
所述相关度计算单元用于计算所述一个或多个方案中每一个的相关度;
所述优选推介输出单元用于选取相关度最大的方案作为优选推介方案。
本发明的有益效果为:本发明的技术方案,给出了一种基于培训需求的方案自匹配处理方法及***,所述方法及***通过皮尔逊相关系数预先对多个关键词进行相关系数的计算,并根据用户培训需求关键字,获得相关系数较高的其他词汇,进而根据所述关键字和其他词汇获得相关度最高的培训方案作为优选推介;所述方法及***根据培训需求实现对应培训方案的精准自匹配,解决了现有技术中人工干预的弊端,有利于在线自助培训的完善和推广。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为本发明具体实施方式的一种基于培训需求的方案自匹配处理方法的流程图;
图2为本发明具体实施方式的一种基于培训需求的方案自匹配处理***的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为本发明具体实施方式的一种基于培训需求的方案自匹配处理方法的流程图;如图1所示,所述方法包括:
步骤110,接收用户录入的一个或多个关键字;
本实施例是通过接收用户录入的一个或多个对于培训需求的关键字,通过所述方案自匹配的处理方法,获得优选推介的方案;
所述用户录入的关键字可以为一个关键字,例如“大数据”也可以为多个关键字“大数据”、“HIVE”;
通过对于企业用户来说,通过对企业进行自身测试,确认其所需要的培训内容,根据所述培训内容生成关键字,同样为步骤110所述录入的一个或多个关键字;
步骤120,在数据库中提取所述一个或多个关键字对应数据库中其他词汇的相关系数,生成第一图谱;
所述的相关系数,通过预先的计算获得,具体的:
接收用户录入的针对培训需求的一个或多个关键字以及测试企业需求获得的一个或多个关键字。
进一步的,所述在数据库中提取所述一个或多个关键字对应数据库中其他词汇的相关系数前,所述方法还包括:
提取方案库中每个方案的多个词汇;即指所述方案库中所有方案包含的可能被提取的词汇;
根据皮尔逊相关系数算法计算所述每个词汇相对于其他词汇的相关系数;
通过预设的等级归类规则,将每两个词汇按照相关系数确定归类等级;
所述预设的等级归类规则,通过将相关系数分级为多个等级段获得,当两个词汇的相关系数落入某一相关系数等级段中,则该两个词汇的相关系数为该归类等级。
将所述词汇间的相关系数以及归类等级存储在所述数据库中。
步骤130,根据所述第一图谱中基于相关系数的归类等级,获取所述第一图谱中与所述一个或多个关键字的任一个的相关系数高于预设等级要求的多个关联词汇;
例如,选取相关系数为0.8作为预设等级要求,则0.8以上的关联词汇以及所述关键字即为需要提取的词汇。
步骤140,根据所述一个或多个关键字以及所述多个关联词汇,按照预设规则在预先设置的方案库中进行匹配,获得匹配值高于预设阈值的一个或多个方案;
所述的匹配,可以选择方案中包括所述一个或多个关键字以及所述多个关联词汇所有词汇的一个或多个方案作为匹配方案;也可以选择方案中包括所述一个或多个关键字以及所述多个关联词汇预设比例的词汇的一个或多个方案作为匹配方案;
步骤150,根据预设规则,计算所述一个或多个方案中每一个的相关度,选取相关度最大的方案作为优选推介方案。
具体的,所述相关度的计算方法包括:
获取所述一个或多个方案中每一个中包含的关键字以及关联词汇;
获取该方案中所述关键字以及关联词汇中每一个在数据库历史中出现的次数;
根据如下公式计算获得相关度:
R=A+B+C+…
其中,所述A、B、C···为所述关键字以及关联词汇的每一个在方案库中出现的次数与所有词汇在方案库中的出现总次数的比值。
进一步的,选取相关度最大的方案作为优选推介方案后,所述方法还包括,若用户对优选推介的方案不满意,再次输入新的关键字时:
接收所述用户再次输入的一个或多个新关键字;
根据所述新关键字、第一次输入的关键字以及所述第一图谱中的多个关联词汇生成第二图谱;
按照预设规则在预设设置的方案库中匹配重新获得一个或多个方案;
计算所述一个或多个方案中每一个的相关度,选取相关度最大的方案作为优选推介方案。
图2为本发明具体实施方式的一种基于培训需求的方案自匹配处理***的结构图。如图2所示,所述***包括:
用户录入单元210,所述用户录入单元210用于接收用户录入的一个或多个关键字;
进一步的,所述用户录入单元210用于接收用户录入的针对培训需求的一个或多个关键字以及测试企业需求获得的一个或多个关键字。
图谱生成单元220,所述图谱生成单元220用于在数据库中提取所述一个或多个关键字对应数据库中其他词汇的相关系数,生成第一图谱;
方案获取单元230,所述方案获取单元230用于根据所述第一图谱中基于相关系数的归类等级,获取所述第一图谱中与所述一个或多个关键字的任一个的相关系数高于预设等级要求的多个关联词汇;
所述方案获取单元230用于根据所述一个或多个关键字以及所述多个关联词汇,按照预设规则在预先设置的方案库中进行匹配,获得匹配值高于预设阈值的一个或多个方案;
相关度计算单元240,所述相关度计算单元240用于根据预设规则,计算所述一个或多个方案中每一个的相关度;
进一步的,所述相关度计算单元240用于获取所述一个或多个方案中每一个中包含的关键字以及关联词汇;
所述相关度计算单元240用于获取该方案中所述关键字以及关联词汇中每一个在数据库历史中出现的次数;
所述相关度计算单元240用于根据如下公式计算获得相关度:
R=A+B+C+…
其中,所述A、B、C···为所述关键字以及关联词汇的每一个在方案库中出现的次数与所有词汇在方案库中的出现总次数的比值。
优选推介输出单元250,所述优选推介输出单元250用于选取相关度最大的方案作为优选推介方案。
进一步的,所述***包括相关系数计算单元;
所述相关系数计算单元用于提取方案库中每个方案的多个词汇;
所述相关系数计算单元用于根据皮尔逊相关系数算法计算所述每个词汇相对于其他词汇的相关系数;
所述相关系数计算单元用于通过预设的等级归类规则,将每两个词汇按照相关系数确定归类等级;
所述相关系数计算单元用于将所述词汇间的相关系数以及归类等级存储在所述数据库中。
进一步的,所述用户录入单元210用于接收所述用户再次输入的一个或多个新关键字;
所述图谱生成单元220用于根据所述新关键字、第一次输入的关键字以及所述第一图谱中的多个关联词汇生成第二图谱;
所述方案获取单元230用于按照预设规则在预设设置的方案库中匹配重新获得一个或多个方案;
所述相关度计算单元240用于计算所述一个或多个方案中每一个的相关度;
所述优选推介输出单元250用于选取相关度最大的方案作为优选推介方案。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。本说明书中涉及到的步骤编号仅用于区别各步骤,而并不用于限制各步骤之间的时间或逻辑的关系,除非文中有明确的限定,否则各个步骤之间的关系包括各种可能的情况。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如,在权利要求书中所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本公开的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。
以上所述仅是本公开的具体实施方式,应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开精神的前提下,可以作出若干改进、修改、和变形,这些改进、修改、和变形都应视为落在本申请的保护范围内。
Claims (10)
1.一种基于培训需求的方案自匹配处理方法,其特征在于,所述方法包括:
接收用户录入的一个或多个关键字;
在数据库中提取所述一个或多个关键字对应数据库中其他词汇的相关系数,生成第一图谱;
根据所述第一图谱中基于相关系数的归类等级,获取所述第一图谱中与所述一个或多个关键字的任一个的相关系数高于预设等级要求的多个关联词汇;
根据所述一个或多个关键字以及所述多个关联词汇,按照预设规则在预先设置的方案库中进行匹配,获得匹配值高于预设阈值的一个或多个方案;
根据预设规则,计算所述一个或多个方案中每一个的相关度,选取相关度最大的方案作为优选推介方案。
2.根据权利要求1所述的方法,其特征在于,所述接收用户录入的一个或多个关键字,包括:
接收用户录入的针对培训需求的一个或多个关键字以及测试企业需求获得的一个或多个关键字。
3.根据权利要求1所述的方法,其特征在于,所述在数据库中提取所述一个或多个关键字对应数据库中其他词汇的相关系数前,所述方法还包括:
提取方案库中每个方案的多个词汇;
根据皮尔逊相关系数算法计算所述每个词汇相对于其他词汇的相关系数;
通过预设的等级归类规则,将每两个词汇按照相关系数确定归类等级;
将所述词汇间的相关系数以及归类等级存储在所述数据库中。
4.根据权利要求1所述的方法,其特征在于,所述根据预设规则计算所述一个或多个方案中每一个的相关度,包括:
获取所述一个或多个方案中每一个中包含的关键字以及关联词汇;
获取该方案中所述关键字以及关联词汇中每一个在数据库历史中出现的次数;
根据如下公式计算获得相关度:
R=A+B+C+…
其中,所述A、B、C···为所述关键字以及关联词汇的每一个在方案库中出现的次数与所有词汇在方案库中的出现总次数的比值。
5.根据权利要求1所述的方法,其特征在于,选取相关度最大的方案作为优选推介方案后,所述方法还包括:
接收所述用户再次输入的一个或多个新关键字;
根据所述新关键字、第一次输入的关键字以及所述第一图谱中的多个关联词汇生成第二图谱;
按照预设规则在预设设置的方案库中匹配重新获得一个或多个方案;
计算所述一个或多个方案中每一个的相关度,选取相关度最大的方案作为优选推介方案。
6.一种基于培训需求的方案自匹配处理***,其特征在于,所述***包括:
用户录入单元,所述用户录入单元用于接收用户录入的一个或多个关键字;
图谱生成单元,所述图谱生成单元用于在数据库中提取所述一个或多个关键字对应数据库中其他词汇的相关系数,生成第一图谱;
方案获取单元,所述方案获取单元用于根据所述第一图谱中基于相关系数的归类等级,获取所述第一图谱中与所述一个或多个关键字的任一个的相关系数高于预设等级要求的多个关联词汇;
所述方案获取单元用于根据所述一个或多个关键字以及所述多个关联词汇,按照预设规则在预先设置的方案库中进行匹配,获得匹配值高于预设阈值的一个或多个方案;
相关度计算单元,所述相关度计算单元用于根据预设规则,计算所述一个或多个方案中每一个的相关度;
优选推介输出单元,所述优选推介输出单元用于选取相关度最大的方案作为优选推介方案。
7.根据权利要求6所述的***,其特征在于:
所述用户录入单元用于接收用户录入的针对培训需求的一个或多个关键字以及测试企业需求获得的一个或多个关键字。
8.根据权利要求6所述的***,其特征在于:所述***包括相关系数计算单元;
所述相关系数计算单元用于提取方案库中每个方案的多个词汇;
所述相关系数计算单元用于根据皮尔逊相关系数算法计算所述每个词汇相对于其他词汇的相关系数;
所述相关系数计算单元用于通过预设的等级归类规则,将每两个词汇按照相关系数确定归类等级;
所述相关系数计算单元用于将所述词汇间的相关系数以及归类等级存储在所述数据库中。
9.根据权利要求6所述的***,其特征在于:
所述相关度计算单元用于获取所述一个或多个方案中每一个中包含的关键字以及关联词汇;
所述相关度计算单元用于获取该方案中所述关键字以及关联词汇中每一个在数据库历史中出现的次数;
所述相关度计算单元用于根据如下公式计算获得相关度:
R=A+B+C+…
其中,所述A、B、C···为所述关键字以及关联词汇的每一个在方案库中出现的次数与所有词汇在方案库中的出现总次数的比值。
10.根据权利要求6所述的***,其特征在于:
所述用户录入单元用于接收所述用户再次输入的一个或多个新关键字;
所述图谱生成单元用于根据所述新关键字、第一次输入的关键字以及所述第一图谱中的多个关联词汇生成第二图谱;
所述方案获取单元用于按照预设规则在预设设置的方案库中匹配重新获得一个或多个方案;
所述相关度计算单元用于计算所述一个或多个方案中每一个的相关度;
所述优选推介输出单元用于选取相关度最大的方案作为优选推介方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911390520.7A CN111222040B (zh) | 2019-12-30 | 2019-12-30 | 一种基于培训需求的方案自匹配处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911390520.7A CN111222040B (zh) | 2019-12-30 | 2019-12-30 | 一种基于培训需求的方案自匹配处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222040A true CN111222040A (zh) | 2020-06-02 |
CN111222040B CN111222040B (zh) | 2023-06-13 |
Family
ID=70830902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911390520.7A Active CN111222040B (zh) | 2019-12-30 | 2019-12-30 | 一种基于培训需求的方案自匹配处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222040B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007149623A2 (en) * | 2006-04-25 | 2007-12-27 | Infovell, Inc. | Full text query and search systems and method of use |
JP2010244339A (ja) * | 2009-04-07 | 2010-10-28 | Nippon Telegr & Teleph Corp <Ntt> | 関連キーワード提示装置及びプログラム |
CN103853771A (zh) * | 2012-12-03 | 2014-06-11 | 百度在线网络技术(北京)有限公司 | 一种搜索结果的推送方法及*** |
CN103970857A (zh) * | 2014-05-07 | 2014-08-06 | 百度在线网络技术(北京)有限公司 | 推荐内容确定***和方法 |
CN106156179A (zh) * | 2015-04-20 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种信息检索方法及装置 |
CN106251261A (zh) * | 2016-07-29 | 2016-12-21 | 国家电网公司高级培训中心 | 一种培训方案生成方法及装置 |
US20170178530A1 (en) * | 2015-07-27 | 2017-06-22 | Boomwriter Media, Inc. | Methods and systems for generating new vocabulary specific assignments using a continuously updated remote vocabulary database |
WO2017124240A1 (zh) * | 2016-01-18 | 2017-07-27 | 阮元 | 关键字匹配时的信息推送方法以及智能信息推送*** |
CN107346183A (zh) * | 2017-06-29 | 2017-11-14 | 维沃移动通信有限公司 | 一种词汇推荐方法和电子设备 |
US20180040035A1 (en) * | 2016-08-02 | 2018-02-08 | Facebook, Inc. | Automated Audience Selection Using Labeled Content Campaign Characteristics |
CN108073606A (zh) * | 2016-11-10 | 2018-05-25 | 北京搜狗科技发展有限公司 | 一种新闻推荐方法和装置、一种用于新闻推荐的装置 |
CN108241646A (zh) * | 2016-12-23 | 2018-07-03 | 阿里巴巴集团控股有限公司 | 一种搜索匹配方法和装置、推荐方法和装置 |
US20190005121A1 (en) * | 2017-06-29 | 2019-01-03 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for pushing information |
-
2019
- 2019-12-30 CN CN201911390520.7A patent/CN111222040B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007149623A2 (en) * | 2006-04-25 | 2007-12-27 | Infovell, Inc. | Full text query and search systems and method of use |
JP2010244339A (ja) * | 2009-04-07 | 2010-10-28 | Nippon Telegr & Teleph Corp <Ntt> | 関連キーワード提示装置及びプログラム |
CN103853771A (zh) * | 2012-12-03 | 2014-06-11 | 百度在线网络技术(北京)有限公司 | 一种搜索结果的推送方法及*** |
CN103970857A (zh) * | 2014-05-07 | 2014-08-06 | 百度在线网络技术(北京)有限公司 | 推荐内容确定***和方法 |
CN106156179A (zh) * | 2015-04-20 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种信息检索方法及装置 |
US20170178530A1 (en) * | 2015-07-27 | 2017-06-22 | Boomwriter Media, Inc. | Methods and systems for generating new vocabulary specific assignments using a continuously updated remote vocabulary database |
WO2017124240A1 (zh) * | 2016-01-18 | 2017-07-27 | 阮元 | 关键字匹配时的信息推送方法以及智能信息推送*** |
CN106251261A (zh) * | 2016-07-29 | 2016-12-21 | 国家电网公司高级培训中心 | 一种培训方案生成方法及装置 |
US20180040035A1 (en) * | 2016-08-02 | 2018-02-08 | Facebook, Inc. | Automated Audience Selection Using Labeled Content Campaign Characteristics |
CN108073606A (zh) * | 2016-11-10 | 2018-05-25 | 北京搜狗科技发展有限公司 | 一种新闻推荐方法和装置、一种用于新闻推荐的装置 |
CN108241646A (zh) * | 2016-12-23 | 2018-07-03 | 阿里巴巴集团控股有限公司 | 一种搜索匹配方法和装置、推荐方法和装置 |
CN107346183A (zh) * | 2017-06-29 | 2017-11-14 | 维沃移动通信有限公司 | 一种词汇推荐方法和电子设备 |
US20190005121A1 (en) * | 2017-06-29 | 2019-01-03 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for pushing information |
Non-Patent Citations (4)
Title |
---|
C. LI 等: "A Probabilistic Approach for Web Service Discovery", 2013 IEEE INTERNATIONAL CONFERENCE ON SERVICES COMPUTING, pages 49 - 56 * |
温云辉;: "多关键词查找相关产品的一种实现", 黎明职业大学学报, no. 04, pages 28 - 32 * |
谷楠楠 等: "中文简历自动解析及推荐算法", 计算机工程与应用, vol. 53, no. 18, pages 141 - 148 * |
黄永猛: "基于Nutch的语义搜索引擎的研究", 中国优秀硕士学位论文全文数据库信息科技辑, no. 03, pages 138 - 2813 * |
Also Published As
Publication number | Publication date |
---|---|
CN111222040B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10489399B2 (en) | Query language identification | |
US8560513B2 (en) | Searching for information based on generic attributes of the query | |
US9146987B2 (en) | Clustering based question set generation for training and testing of a question and answer system | |
JP7153004B2 (ja) | コミュニティ質問応答データの検証方法、装置、コンピュータ機器、及び記憶媒体 | |
US20090319449A1 (en) | Providing context for web articles | |
CN111079186B (zh) | 数据分析的方法、装置、设备和存储介质 | |
CN107102993B (zh) | 一种用户诉求分析方法和装置 | |
US20230237055A1 (en) | Method and system for analytic based connections among user types in an online platform | |
CN105405051B (zh) | 金融事件预测方法和装置 | |
CN111061948B (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
CN116109373A (zh) | 金融产品的推荐方法、装置、电子设备和介质 | |
CN111210321B (zh) | 一种基于合同管理的风险预警方法及*** | |
CN112579729A (zh) | 文档质量评价模型的训练方法、装置、电子设备和介质 | |
CN109344232B (zh) | 一种舆情信息检索方法及终端设备 | |
CN113392920B (zh) | 生成作弊预测模型的方法、装置、设备、介质及程序产品 | |
US10783140B2 (en) | System and method for augmenting answers from a QA system with additional temporal and geographic information | |
CN115794898B (zh) | 一种金融资讯推荐方法、装置、电子设备及存储介质 | |
CN112328881A (zh) | 文章推荐方法、装置、终端设备及存储介质 | |
CN111382265B (zh) | 搜索方法、装置、设备和介质 | |
CN116541711A (zh) | 模型训练方法、课程推荐方法、装置、设备及介质 | |
KR101614551B1 (ko) | 카테고리 매칭을 이용한 키워드 추출 시스템 및 방법 | |
CN111222040B (zh) | 一种基于培训需求的方案自匹配处理方法及*** | |
CN113962216A (zh) | 文本处理方法、装置、电子设备及可读存储介质 | |
CN113849618A (zh) | 基于知识图谱的策略确定方法、装置、电子设备及介质 | |
CN112200602A (zh) | 用于广告推荐的神经网络模型训练方法及装置 |
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 |