CN113435741A - 培训计划生成方法、装置、设备及存储介质 - Google Patents
培训计划生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113435741A CN113435741A CN202110708157.XA CN202110708157A CN113435741A CN 113435741 A CN113435741 A CN 113435741A CN 202110708157 A CN202110708157 A CN 202110708157A CN 113435741 A CN113435741 A CN 113435741A
- Authority
- CN
- China
- Prior art keywords
- information
- training
- trained
- reading time
- group
- 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.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 432
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000007635 classification algorithm Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims description 49
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- 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
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及智能决策领域，尤其涉及一种培训计划生成方法、装置、设备及存储介质，该方法包括：获取若干待培训人员的个人信息，个人信息包括岗位信息、阅读信息和年龄信息；根据岗位信息确定预设培训计划信息；基于目标分类算法，根据阅读信息和年龄信息确定兴趣程度；根据各待培训人员的预设培训计划信息及兴趣程度，确定培训组别；根据同一培训组别内每个待培训人员的预设培训计划信息和兴趣程度，对组别内每个待培训人员的预设培训计划信息进行调整，得到组别培训计划信息；输出培训组别中待培训人员的信息及对应的组别培训计划信息。生成的培训计划更加匹配待培训人员。本申请还涉及区块链技术，组别培训计划信息可以存储在区块链中。
Description
技术领域
本申请涉及智能决策技术领域，尤其涉及一种培训计划生成方法、装置、设备及计算机可读存储介质。
背景技术
目前，公司在对员工的培训多为人为组织培训，这种培训方式上存在以下问题：在一些通用技能上经常出现重复性培训，造成人力成本投入较大；虽然有时对员工的培训也会制作一个培训流程，但是缺乏根据该培训流程的具体监督和执行，而且不能凸显不同员工的差别，起不到个性化培训的效果，无法匹配每个员工的特点、偏好，如阅读时长的偏好，从而无法达到好的培训效果。
发明内容
本申请的主要目的在于提供一种培训计划生成方法、装置、设备及计算机可读存储介质，旨在减少培训计划制定时的人力投入，以及提升培训计划制定的效率。
第一方面，本申请提供一种培训计划生成方法，所述培训计划生成方法包括以下步骤：
获取若干待培训人员的个人信息，所述个人信息包括岗位信息、阅读信息和年龄信息；
根据各所述待培训人员的所述岗位信息确定各所述待培训人员的预设培训计划信息；
基于目标分类算法，根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度；
根据各所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别；
根据同一培训组别内每个待培训人员的预设培训计划信息和对所述预设培训计划信息的兴趣程度，对所述培训组别内每个待培训人员的预设培训计划信息进行调整，得到组别培训计划信息；
输出所述培训组别中待培训人员的信息以及所述培训组别对应的组别培训计划信息。
第二方面，本申请还提供一种培训计划生成装置，所述培训计划生成装置包括：
个人信息获取模块，用于获取若干待培训人员的个人信息，所述个人信息包括岗位信息、阅读信息和年龄信息；
培训计划确定模块，用于根据各所述待培训人员的所述岗位信息确定各所述待培训人员的预设培训计划信息；
兴趣程度确定模块，用于基于目标分类算法，根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度；
培训组别确定模块，用于根据若干所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别；
组别培训计划确定模块，用于根据同一培训组别内每个待培训人员的预设培训计划信息和对所述预设培训计划信息的兴趣程度，对所述培训组别内每个待培训人员的预设培训计划信息进行调整，得到组别培训计划信息；
培训信息输出模块，用于输出所述培训组别中待培训人员的信息以及所述培训组别对应的组别培训计划信息。
第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的培训计划生成方法的步骤。
第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的培训计划生成方法的步骤。
本申请提供一种培训计划生成方法、装置、设备及计算机可读存储介质，本申请通过获取若干待培训人员的个人信息，所述个人信息包括岗位信息、阅读信息和年龄信息；根据各个所述培训人员的所述岗位信息确定各所述待培训人员的预设培训计划信息；基于目标分类算法，根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度；根据各所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别；根据同一培训组别内每个待培训人员的预设培训计划信息和对所述预设培训计划信息的兴趣程度，对所述培训组别内每个待培训人员的预设培训计划信息进行调整，得到组别培训计划信息；输出所述培训组别中待培训人员的信息以及所述培训组别对应的组别培训计划信息。通过确定待培训人员对所述预设培训计划信息的兴趣程度可以提升生成的培训计划与待培训人员的匹配度，以及通过对待培训人员进行分组能够提升培训计划的生成速率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种培训计划生成方法的流程示意图；
图2为本申请实施例提供的一种培训计划生成装置的示意性框图；
图3为本申请一实施例涉及的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种培训计划生成方法、装置、计算机设备及计算机可读存储介质。其中，该培训计划生成方法可应用于终端设备中，该终端设备可以手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，图1为本申请的实施例提供的一种培训计划生成方法的流程示意图。
如图1所示，该培训计划生成方法包括步骤S110至步骤S160。
步骤S110、获取若干待培训人员的个人信息，所述个人信息包括岗位信息、阅读信息和年龄信息。
示例性的，对若干待培训人员进行信息采集，可以通过关系型数据库、非关系型数据库以及文档的输入，以获取若干待培训人员的个人数据。关系型数据库可以例如是Oracle数据库或MySQL数据库；非关系型数据库可以例如是键值(Key-Value)存储数据库或图形数据库；可以理解的，文档的输入用于指示培训管理人员对待培训人员的个人信息的***录入。
示例性的，个人信息包括但不限于待培训人员的岗位信息、阅读信息和年龄信息。例如，岗位信息包括待培训人员在工作单位的岗位、岗位的工作性质以及岗位的级别；阅读信息包括待培训人员的日均阅读时长和/或阅读的书籍文体类型。
示例性的，个人信息还可以包括运动信息，如日均运动时长和/或进行何种运动。
示例性的，可以通过待培训人员的个人信息对待培训人员的培训计划进行辅助决策，以使培训计划更符合待培训人员，实现个性化培训。
在一些实施例中，所述方法还包括，判断所述个人信息中是否存在缺失；若判定存在缺失，根据预设值对所述个人信息进行填充。
示例性的，可以基于预设数据表格判断获取到的待培训人员的个人信息是否存在缺失，例如预设数据表格包括岗位信息、阅读信息、年龄信息，若获取到待培训人员的个人信息包括岗位信息和阅读信息，没有获取到待培训人员的年龄信息，可以根据预设默认值对个人信息中的年龄信息进行填充。例如，预设值可以是“0”或者“unknown”等用于指示没有获取到的该信息。可以理解的，对缺失的信息进行填充后，可以根据填充的预设值进行计算或检测到预设值时输出错误信息，以使用户补录缺失的信息。
示例性的，还可以对个人信息进行是否无效的判断，可以理解的，通过预设数据表格来判断个人信息中是否存在无效值。例如，获取到的个人信息包括岗位信息、阅读信息、年龄信息和性别信息，预设数据表格中不包括性别信息，可以在进行个人信息处理的时候删去性别信息，也即是删去预设数据表格中不包括的信息，以达到提取信息的目的，加快计算机的处理效率。
示例性的，还可以判断个人信息中是否存在异常信息，可以理解的，例如阅读信息中包括某一日阅读时长为30小时的信息，该信息是异常信息，可以通过四分位差法分析阅读时长信息的离散程度，若离散程度不位于离散区间内，输出警示信息或重新获取阅读信息。
示例性的，还可以通过预设数值对阅读信息中的阅读时长信息进行是否异常的判断，可以理解的，可以根据用户的指令选择预设数值方法还是四分位差法进行数据是否异常的判断。
示例性的，通过判断个人信息是否存在缺失、无效、异常等情况，可以有效对个人信息进行信息清洗处理，以使计算机在对个人信息进行处理时更加高效，以及减少异常情况的发生。
步骤S120、根据各所述待培训人员的所述岗位信息确定各所述待培训人员的预设培训计划信息。
示例性的，可以基于岗位信息和预设培训计划的映射关系，确定所述待培训人员的预设培训计划信息。
例如，基于预设培训计划信息库中，存储有多个工作单位，且各个单位中的各岗位对应不同的预设培训计划，例如一个工作单位包括A岗位和B岗位，A岗位对应a预设培训计划、B岗位对应b预设培训计划，其中，a预设培训计划和b预设培训计划可能会有重合的部分，也有差别的部分。
示例性的，根据岗位信息向预设培训计划信息库发送计划获取请求，计划获取请求可以包括预设培训计划的地址，也可以包括用于标识预设培训计划地址的地址标识以便根据地址标识与预设培训计划地址的映射关系得到预设培训计划地址。预设培训计划地址用于指示预设培训计划在预设培训计划信息库中的存储位置，如存储在预设培训计划信息库的某一子文件夹上，预设培训计划信息库根据预设培训计划地址就知道当前需要调取的预设培训计划在信息库中的存储位置，以提取出客户端所需的预设培训计划信息。
步骤S130、基于目标分类算法，根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度。
示例性的，通过目标分类算法，确定待培训人员对预设培训计划的兴趣程度，可以理解的，兴趣程度可以用于表征培训人员是否适合当前确定的预设培训计划。即与预设培训计划的适合程度。
示例性的，目标分类算法可以是决策树分类算法、k-means聚类算法、最近邻算法、xgboost算法、预训练算法模型的其中一种。
示例性的，多个分类算法可以存储在区块链中，确定目标分类算法后，可以从区块链调用该目标分类算法，其中本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在一些实施例中，所述目标分类算法为k-means聚类算法，所述根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度，包括：对各所述待培训人员的所述阅读信息中的第一阅读时长进行向量化处理得到第一阅读时长向量；对所述年龄信息对应的平均阅读时长进行向量化处理得到第二阅读时长向量；对所述预设培训计划信息中的预设阅读时长进行向量化处理得到第三阅读时长向量；根据所述第一阅读时长向量、所述第二阅读时长向量以及第三阅读时长向量确定欧式距离值；按照得到的所述欧式距离值的大小对所述待培训人员进行排序；根据排序结果确定各所述待培训人员对所述预设计划信息的兴趣程度。
示例性的，预设培训计划信息中包括预设阅读时长，可以对阅读信息中的第一阅读时长、年龄信息对应的平均阅读时长以及预设培训计划信息中的预设阅读时长均进行向量化处理，得到第一阅读时长向量、第二阅读时长向量以及第三阅读时长向量。可以通过第一阅读时长向量、第二阅读时长向量以及第三阅读时长向量确定待培训人员对预设培训计划信息的兴趣程度。
示例性的，年龄信息对应的平均阅读时长可以是基于年龄段阅读时长数据库，获取所述年龄信息对应的平均阅读时长信息。可以理解的，年龄段阅读时长数据库中存储有每个年龄段对应的平均阅读时长信息，可以根据待培训人员的年龄信息，在年龄段阅读时长数据库中确定对应的平均阅读时长信息。
示例性的，待培训人员对预设培训计划信息的兴趣程度可以用第一阅读时长向量、第二阅读时长向量以及第三阅读时长向量之间的欧式距离值来表征。
示例性的，欧式距离值与培训人员对预设培训计划信息的兴趣程度负相关。
示例性的，通过第一阅读时长向量、第二阅读时长向量以及第三阅读时长向量计算欧式距离值，以及按照计算得到的欧式距离值对各待培训人员进行排序，可以理解的，若按欧式距离值从小到大对对应的待培训人员进行排序，最小欧式距离值对应的待培训人员对预设培训计划信息的兴趣程度最高。
在一些实施例中，所述根据所述第一阅读时长向量、所述第二阅读时长向量与所述第三阅读时长向量确定欧式距离值，包括：根据所述阅读信息对应的第一计算因子和所述第一阅读时长向量确定第四阅读时长向量；根据所述平均阅读时长信息对应的第二计算因子和所述第二阅读时长向量确定第五阅读时长向量；根据所述第四阅读时长向量、第五阅读时长向量与第三阅读时长向量确定欧式距离值。
示例性的，可以根据预设培训计划信息对获取到的阅读信息中的第一阅读时长和年龄信息对应的平均阅读时长进行数据整合，以提升信息匹配度。
示例性的，可以根据预设培训计划信息确定阅读信息的第一计算因子，计算因子可以是加权计算因子或周期计算因子，例如，预设培训计划信息中包括每一周为一个培训阶段，可以确定第一计算因子为周期计算因子，阅读信息中的第一阅读时长例如是日均阅读时长，通过一周的周期计算因子和待培训人员的日均阅读时长信息进行计算可以得到待培训人员在一周内进行阅读时长的第二阅读时长，即通过第一计算因子和第一阅读时长向量得到第四阅读时长向量，这样预设培训计划中的预设阅读时长与第二阅读时长能够在时间上对准，提高计算机的处理速率。
示例性的，可以理解的，若获取到的平均阅读时长信息为日均平均阅读时长信息，可以通过周期计算因子的第二计算因子与第二时长阅读向量进行计算，得到第五阅读时长向量。
可以理解的，第一计算因子和第二计算因子可以均为周期计算因子，也可以一个为加权计算因子，另一个为周期计算因子，第一计算因子通过预设培训计划信息中的预设阅读时长以及第一阅读时长确定，第二计算因子通过预设阅读时长以及平均阅读时长信息确定。
示例性的，通过第四阅读时长向量、第五阅读时长向量与第三阅读时长向量计算欧式距离值，以确定待培训人员与预设培训计划信息的兴趣程度。
示例性的，欧式距离值可以通过下式计算：
其中，t表示待培训人员的编号，m表示待培训人员的总数，Xt表示第t个待培训人员的第四阅读时长向量或第t个待培训人员的第五阅读时长向量，Ct表示第t个待培训人员对应第三阅读时长向量。
在一些实施例中，所述根据所述第四阅读时长向量、第五阅读时长向量与第三阅读时长向量确定欧式距离值，包括：判断所述第四阅读时长向量的模是否大于所述第五阅读时长向量的模；若所述第四阅读时长向量的模大于所述第五阅读时长向量的模，根据所述第四阅读时长向量与所述第三阅读时长向量计算欧式距离值；若所述第四阅读时长向量的模小于所述第五阅读时长向量的模，计算所述第四阅读时长向量与所述第五阅读时长向量的向量差，根据预设公式对所述向量差进行计算，得到第一向量，根据所述第四阅读时长向量与所述第一向量的和向量，与所述第三阅读时长向量计算欧式距离值。
示例性的，计算得到第四阅读时长向量和第五阅读时长向量，分别对第四阅读时长向量和第五阅读时长向量进行模计算，得到第四阅读时长向量的模和第五阅读时长向量的模，判断第四阅读时长向量的模和第五阅读时长向量的模的大小，若第四阅读时长向量的模大于第五阅读时长向量的模，即该待培训人员较喜欢阅读，阅读时长高于所处于年龄段的平均阅读时长，可以根据第四阅读时长向量与第三阅读时长向量计算欧式距离值，以确定该待培训人员对预设培训计划的兴趣程度。
示例性的，若第四阅读时长向量的模小于第五阅读时长向量的模，则该待培训人员较不喜欢阅读，但可能是该待培训人员不会主动阅读，仍能承受较自己阅读时间更多的阅读时间，计算第四阅读时长向量与第五阅读时长向量的向量差，并根据预设常数对所述向量差进行乘法计算，得到第一向量，并将第一向量与第四阅读时长向量求和，得到和向量，通过得到的和向量与第三阅读时长向量计算欧式距离值，从而确定待培训人员对预设培训计划的兴趣程度。其中，预设常数可以是整数也可以是分数，例如对向量差乘以二分之一，得到第一向量。
例如，第二阅读时长为5小时，第三阅读时长为9小时，得到差值平均值为2小时，即得到和值为7小时，若C预设培训计划中的预设阅读时长为10小时，D预设培训计划中的预设阅读时长为9小时，则计算得到的C预设培训计划对应的欧式距离值大于D预设培训计划对应的欧式距离值，该培训人员对D预设培训计划的兴趣程度较对C预设培训计划的兴趣程度高。
示例性的，个人信息还可以包括运动信息，其中，运动信息可以包括运动时长，如上述处理阅读信息的步骤，可以得到待培训人员对预设培训计划中的预设运动时长的兴趣程度。可以理解的，待培训人员对预设培训计划中的预设运动时长的兴趣程度可以用运动时长与预设运动时长的欧式距离值来表征。
示例性的，通过计算得到待培训人员对预设培训计划的兴趣程度，可以对预设培训计划进行调整，以达到个性化培训的目的。
步骤S140、根据各所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别。
示例性的，可以根据各个待培训人员对应的预设培训计划信息以及兴趣程度，对各个待培训人员进行分组处理，得到至少一个培训组别。可以理解的，将多个待培训人员进行分组，便于制定培训计划以及评估培训结果。
在一些实施例中，所述根据若干所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别包括：将所述预设培训计划相同的若干待培训人员和/或所述兴趣程度处于预设兴趣阈值区间的若干待培训人员确定为同一培训组别。
示例性的，可以通过待培训人员的预设培训计划，确定待培训人员的培训组别，例如将相同预设培训计划的待培训人员确定为同一培训组别，或者将预设培训计划相似度较高对应的若干待培训人员确定为同一培训组别。
示例性的，可以通过待培训人员的兴趣程度确定待培训人员的培训组别，例如对应的兴趣程度为50以上的待培训人员确定为同一培训组别，其余的待培训人员确定为另一培训组别。其中，兴趣程度可以用欧式距离值表征。
示例性的，还可以通过待培训人员的预设培训计划和兴趣程度确定待培训人员的培训组别，例如预设兴趣阈值可以设为几个级别，如不感兴趣，即兴趣程度在0～25；较不感兴趣，即兴趣程度在25～50；较感兴趣，兴趣程度在50～75等以此类推，将预设培训计划信息相同且兴趣程度处于预设兴趣阈值区间的若干待培训人员，如若干个待培训人员对于预设A培训计划的兴趣程度都是25～50阈值内，将这些待培训人员确定为同一培训组别。其中，兴趣程度可以用欧式距离值表征。
步骤S150、根据同一培训组别内每个待培训人员的预设培训计划信息和对所述预设培训计划信息的兴趣程度，对所述培训组别内每个待培训人员的预设培训计划信息进行调整，得到组别培训计划信息。
示例性的，可以通过培训组别中每个待培训人员的预设培训计划以及对预设培训计划信息的兴趣程度对预设培训计划进行调整，得到组别培训计划信息，以使组别培训计划可以用于培训对应培训组别中的待培训人员，更符合培训组别内的待培训人员。
例如，可以根据待培训人员对预设培训计划信息中的各项信息的兴趣程度调整预设培训计划，培训计划信息中的各项信息可以包括预设阅读时长和/或预设运动时长，例如若培训组别中的待培训人员对预设阅读时长的兴趣程度较低，获取组别内所有待培训人员的阅读信息中的第一阅读时长；计算所述第一阅读时长的平均值，得到组别阅读时长；将预设培训计划中的预设阅读时长调整为组别阅读时长，得到组别培训计划，从而提升待培训人员的培训计划的匹配度。可以理解的，可以不止对预设培训计划信息的预设阅读时长进行调整，也可以对预设培训计划信息的预设运动时长、预设作息时间或其他信息进行调整，本申请不予限定。
步骤S160、输出所述培训组别中待培训人员的信息以及所述培训组别对应的组别培训计划信息。
示例性的，组别培训计划制定完成后，将培训组别中待培训人员的信息以及培训组别对应的组别培训计划信息发送给培训机构的终端设备或工作单位的终端设备，以使培训机构或工作单位对待培训人员进行培训。可以理解的，培训机构负责人或单位负责人收到培训计划后，可以按照组别培训计划信息对在对应培训组别内的待培训人员进行培训。
通过组别培训计划对培训组别内的待培训人员进行培训，可以有效提高培训效率，以及提高培训计划与待培训人员的匹配度，实现差异化培训的目的。
在一些实施例中，方法还包括：确定所述培训组别的评价指标；根据所述评价指标与所述培训组别的培训结果确定所述培训组别的培训评价信息；输出所述培训组别以及所述培训组别对应的培训评价信息。
示例性的，可以对每个培训组别设定不同的评价指标，以进行差异化的培训以及对培训的效果进行分析。
示例性的，确定各个培训组别的评价指标后，在组别培训计划完成后，获取基于培训组别评价指标的培训结果，如组别评价指标为阅读时长指标、阅读内容指标，则获取在完成组别培训计划的过程中待培训人员阅读的时长以及所阅读的内容，根据阅读时长指标和在组别培训计划的过程中待培训人员阅读的时长可以得到阅读时长培训评价信息，如阅读时长指标与组别培训计划的过程中待培训人员阅读的时长相差很远，则阅读时长培训评价信息可以是阅读时长不达标，或进行评级处理。
通过培训组别的评价指标，可以更清楚地得到待培训人员的培训效果，以评估待培训人员是否完成培训、以及是否适合该组别培训计划。
示例性的，将培训组别内的所有待培训人员的信息以及培训组别对应的培训评价信息发送给对应的培训机构的终端设备和/或对应的工作单位的终端设备，以使相关人员能够获知培训评价信息。
在一些实施例中，方法还包括：在若干所述待培训人员中确定至少一个目标人员；根据所述目标人员的个人信息和所述目标人员所在培训组别的评价指标确定目标信息；根据所述目标信息与所述目标人员所在培训组别的培训评价信息调整所述目标人员的培训组别或调整所述目标人员所在培训组别的组别培训计划信息。
示例性的，若希望得到某个待培训人员是否匹配对应的组别培训计划信息，可以通过该待培训人员的培训评价信息来判定。
示例性的，可以响应于选择操作指令，确定目标培训组别，以及在目标培训组别的所有待培训人员中确定至少一个目标人员。根据目标人员的个人信息和所述目标人员所在培训组别的评价指标确定目标信息，确定目标信息可以去除无效的信息，以加快计算机的处理效率。例如待培训人员的岗位信息并不能作为培训评价信息，可以进行去除处理。
示例性的，可以根据目标人员的目标信息与目标人员所在培训组别的培训评价信息调整目标人员的培训组别。
例如，目标人员的目标信息是第一阅读时长，第一阅读时长与培训组别的阅读时长培训评价信息的差值很大，可以对目标人员进行更换培训组别的处理，或输出推荐的培训组别给培训机构的终端设备或工作单位的终端设备。
示例性的，还可以根据目标人员的目标信息与目标人员所在培训组别的培训评价信息调整所述培训组别的组别培训计划信息。
例如，在培训组别中确定大于半数的待培训人员为目标人员，通过各个目标人员对应的目标信息与培训组别的培训评价信息比较，若各个目标人员的目标信息均与培训组别的培训评价信息相差较大，可以对组别培训计划进行调整。
通过培训评价信息对待培训人员的培训组别或待培训人员所在培训组别的组别培训计划进行调整，可以及时改变不适合待培训人员的培训计划，以使培训计划更符合待培训人员，提升待培训人员的体验感。
上述实施例提供的培训计划生成方法，能够使生成的培训计划更符合待培训人员，以提升待培训人员培训体验感，以及达到个性化培训的目的。
请参阅图2，图2是本申请一实施例提供的一种培训计划生成装置的示意图，该培训计划生成装置可以配置于服务器或终端中，用于执行前述的培训计划生成方法。
如图2所示，该培训计划生成装置，包括：个人信息获取模块110、培训计划确定模块120、兴趣程度确定模块130、培训组别确定模块140、组别培训计划确定模块150、培训信息输出模块160。
个人信息获取模块110，用于获取若干待培训人员的个人信息，所述个人信息包括岗位信息、阅读信息和年龄信息；
培训计划确定模块120，用于根据各所述待培训人员的所述岗位信息确定各所述待培训人员的预设培训计划信息；
兴趣程度确定模块130，用于基于目标分类算法，根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度；
培训组别确定模块140，用于根据若干所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别；
组别培训计划确定模块150，用于根据同一培训组别内每个待培训人员的预设培训计划信息和对所述预设培训计划信息的兴趣程度，对所述培训组别内每个待培训人员的预设培训计划信息进行调整，得到组别培训计划信息；
培训信息输出模块160，用于输出所述培训组别中待培训人员的信息以及所述培训组别对应的组别培训计划信息。
示例性的，兴趣程度确定模块130还包括第一阅读时长向量确定子模块、第二阅读时长向量确定子模块、第三阅读时长向量确定子模块、欧式距离确定子模块、欧式距离排序子模块。
第一阅读时长向量确定子模块，用于对各所述待培训人员的所述阅读信息中的第一阅读时长进行向量化处理得到第一阅读时长向量。
第二阅读时长向量确定子模块，用于对所述年龄信息对应的平均阅读时长进行向量化处理得到第二阅读时长向量。
第三阅读时长向量确定子模块，用于对所述预设培训计划信息中的预设阅读时长进行向量化处理得到第三阅读时长向量。
欧式距离计算子模块，用于根据所述第一阅读时长向量、所述第二阅读时长向量与所述第三阅读时长向量确定欧式距离值。
欧式距离排序子模块，用于按照得到的所述欧式距离值的大小对所述待培训人员进行排序。
兴趣程度确定模块130，还用于根据排序结果确定各所述待培训人员对所述预设计划信息的兴趣程度。
示例性的，欧式距离计算子模块还包括第四阅读时长计算子模块、第五阅读时长计算子模块。
第四阅读时长计算子模块，用于根据所述平均阅读时长信息对应的第二计算因子和所述第二阅读时长向量确定第五阅读时长向量。
第五阅读时长计算子模块，用于根据所述平均阅读时长信息对应的第二计算因子和所述第二阅读时长向量确定第五阅读时长向量。
欧式距离计算子模块还用于根据所述第四阅读时长向量、第五阅读时长向量与第三阅读时长向量确定欧式距离值。
示例性的，欧式距离计算子模块还包括阅读时长向量判断子模块。
阅读时长向量判断子模块，用于判断所述第四阅读时长向量的模是否大于所述第五阅读时长向量的模。
欧式距离计算子模块还用于若所述第四阅读时长向量的模大于所述第五阅读时长向量的模，根据所述第四阅读时长向量与所述第三阅读时长向量计算欧式距离值；或者
还用于若所述第四阅读时长向量的模小于所述第五阅读时长向量的模，计算所述第四阅读时长向量与所述第五阅读时长向量的向量差，根据预设常数对所述向量差进行乘法计算，得到第一向量，根据所述第四阅读时长向量与所述第一向量的和向量，与所述第三阅读时长向量计算欧式距离值。
示例性的，培训组别确定模块140还用于将所述预设培训计划相同的若干待培训人员和/或所述兴趣程度处于预设兴趣阈值区间的若干待培训人员确定为同一培训组别。
示例性的，培训计划生成装置还包括评价指标确定模块、培训评价信息确定模块、培训评价信息输出模块。
评价指标确定模块，用于确定所述培训组别的评价指标。
培训评价信息确定模块，用于根据所述评价指标与所述培训组别的培训结果确定所述培训组别的培训评价信息。
培训评价信息输出模块，用于输出所述培训组别以及所述培训组别对应的培训评价信息。
示例性的，培训计划生成装置还包括目标人员确定模块，目标信息确定模块、组别调整模块。
目标人员确定模块，用于在若干所述待培训人员中确定至少一个目标人员。
目标信息确定模块，用于根据所述目标人员的个人信息和所述目标人员所在培训组别的评价指标确定目标信息。
组别调整模块，用于根据所述目标信息与所述目标人员所在培训组别的培训评价信息调整所述目标人员的培训组别；或者
用于调整所述目标人员所在培训组别的组别培训计划信息。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的方法、装置可用于众多通用或专用的计算***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、机顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
示例性地，上述的方法、装置可以实现为一种计算机程序的形式，该计算机程序可以在如图3所示的计算机设备上运行。
请参阅图3，图3为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器或终端。
如图3所示，该计算机设备包括通过***总线连接的处理器、存储器和网络接口，其中，存储器可以包括存储介质和内存储器。
存储介质可存储操作***和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种培训计划生成方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种培训计划生成方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，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。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
获取若干待培训人员的个人信息，所述个人信息包括岗位信息、阅读信息和年龄信息；
根据各所述待培训人员的所述岗位信息确定各所述待培训人员的预设培训计划信息；
基于目标分类算法，根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度；
根据各所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别；
根据同一培训组别内每个待培训人员的预设培训计划信息和对所述预设培训计划信息的兴趣程度，对所述培训组别内每个待培训人员的预设培训计划信息进行调整，得到组别培训计划信息；
输出所述培训组别中待培训人员的信息以及所述培训组别对应的组别培训计划信息。
在一个实施例中，所述处理器在实现根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度时，用于实现：
对各所述待培训人员的所述阅读信息中的第一阅读时长进行向量化处理得到第一阅读时长向量；
对所述年龄信息对应的平均阅读时长进行向量化处理得到第二阅读时长向量；
对所述预设培训计划信息中的预设阅读时长进行向量化处理得到第三阅读时长向量；
根据所述第一阅读时长向量、所述第二阅读时长向量与所述第三阅读时长向量确定欧式距离值；
按照计算得到的所述欧式距离值的大小对所述待培训人员进行排序；
根据排序结果确定各所述待培训人员对所述预设计划信息的兴趣程度。
在一个实施例中，所述处理器在实现根据所述第一阅读时长向量、所述第二阅读时长向量与所述第三阅读时长向量确定欧式距离值时，用于实现：
根据所述阅读信息对应的第一计算因子和所述第一阅读时长向量确定第四阅读时长向量；
根据所述平均阅读时长信息对应的第二计算因子和所述第二阅读时长向量确定第五阅读时长向量；
根据所述第四阅读时长向量、第五阅读时长向量与第三阅读时长向量计算欧式距离值。
在一个实施例中，所述处理器在实现根据所述第四阅读时长向量、所述第五阅读时长向量与所述第三阅读时长向量确定欧式距离值时，用于实现：
判断所述第四阅读时长向量的模是否大于所述第五阅读时长向量的模；
若所述第四阅读时长向量的模大于所述第五阅读时长向量的模，根据所述第四阅读时长向量与所述第三阅读时长向量计算欧式距离值；
若所述第四阅读时长向量的模小于所述第五阅读时长向量的模，计算所述第四阅读时长向量与所述第五阅读时长向量的向量差，根据预设常数对所述向量差进行乘法计算，得到第一向量，根据所述第四阅读时长向量与所述第一向量的和向量，与所述第三阅读时长向量计算欧式距离值。
在一个实施例中，所述处理器在实现根据若干所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别时，用于实现：
将所述预设培训计划相同的若干待培训人员和/或所述兴趣程度处于预设兴趣阈值区间的若干待培训人员确定为同一培训组别。
在一个实施例中，所述处理器在实现培训计划生成方法时，用于实现：
确定所述培训组别的评价指标；
根据所述评价指标与所述培训组别的培训结果确定所述培训组别的培训评价信息；
输出所述培训组别以及所述培训组别对应的培训评价信息。
在一个实施例中，所述处理器在实现培训计划生成方法时，用于实现：
在若干所述待培训人员中确定至少一个目标人员；
根据所述目标人员的个人信息和所述目标人员所在培训组别的评价指标确定目标信息；
根据所述目标信息与所述目标人员所在培训组别的培训评价信息调整所述目标人员的培训组别或调整所述目标人员所在培训组别的组别培训计划信息。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述培训计划生成的具体工作过程，可以参考前述培训计划生成控制方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请培训计划生成方法的各个实施例。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种培训计划生成方法，其特征在于，包括：
获取若干待培训人员的个人信息，所述个人信息包括岗位信息、阅读信息和年龄信息；
根据各所述待培训人员的所述岗位信息确定各所述待培训人员的预设培训计划信息；
基于目标分类算法，根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度；
根据各所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别；
根据同一培训组别内每个待培训人员的预设培训计划信息和对所述预设培训计划信息的兴趣程度，对所述培训组别内每个待培训人员的预设培训计划信息进行调整，得到组别培训计划信息；
输出所述培训组别中待培训人员的信息以及所述培训组别对应的组别培训计划信息。
2.如权利要求1所述的培训计划生成方法，其特征在于，所述目标分类算法包括聚类算法，所述根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度，包括：
对各所述待培训人员的所述阅读信息中的第一阅读时长进行向量化处理得到第一阅读时长向量；
对所述年龄信息对应的平均阅读时长进行向量化处理得到第二阅读时长向量；
对所述预设培训计划信息中的预设阅读时长进行向量化处理得到第三阅读时长向量；
根据所述第一阅读时长向量、所述第二阅读时长向量以及所述第三阅读时长向量确定欧式距离值；
按照得到的所述欧式距离值的大小对所述待培训人员进行排序；
根据排序结果确定各所述待培训人员对所述预设计划信息的兴趣程度。
3.如权利要求2所述的培训计划生成方法，其特征在于，所述根据所述第一阅读时长向量、所述第二阅读时长向量以及所述第三阅读时长向量确定欧式距离值，包括：
根据所述阅读信息对应的第一计算因子和所述第一阅读时长向量确定第四阅读时长向量；
根据所述平均阅读时长信息对应的第二计算因子和所述第二阅读时长向量确定第五阅读时长向量；
根据所述第四阅读时长向量、所述第五阅读时长向量以及所述第三阅读时长向量确定欧式距离值。
4.如权利要求3所述的培训计划生成方法，其特征在于，所述根据所述第四阅读时长向量、所述第五阅读时长向量以及所述第三阅读时长向量确定欧式距离值包括：
判断所述第四阅读时长向量的模是否大于所述第五阅读时长向量的模；
若所述第四阅读时长向量的模大于所述第五阅读时长向量的模，根据所述第四阅读时长向量与所述第三阅读时长向量计算欧式距离值；
若所述第四阅读时长向量的模小于所述第五阅读时长向量的模，计算所述第四阅读时长向量与所述第五阅读时长向量的向量差，根据预设常数对所述向量差进行乘法计算，得到第一向量，根据所述第四阅读时长向量与所述第一向量的和向量，与所述第三阅读时长向量计算欧式距离值。
5.如权利要求1-4任一项所述的培训计划生成方法，其特征在于，所述根据若干所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别包括：
将所述预设培训计划相同的若干待培训人员和/或所述兴趣程度处于预设兴趣阈值区间的若干待培训人员确定为同一培训组别。
6.如权利要求1-4任一项所述的培训计划生成方法，其特征在于，所述方法还包括：
确定所述培训组别的评价指标；
根据所述评价指标与所述培训组别的培训结果确定所述培训组别的培训评价信息；
输出所述培训组别以及所述培训组别对应的培训评价信息。
7.如权利要求6所述的培训计划生成方法，其特征在于，所述方法还包括：
在若干所述待培训人员中确定至少一个目标人员；
根据所述目标人员的个人信息和所述目标人员所在培训组别的评价指标确定目标信息；
根据所述目标信息与所述目标人员所在培训组别的培训评价信息调整所述目标人员的培训组别或调整所述目标人员所在培训组别的组别培训计划信息。
8.一种培训计划生成装置，其特征在于，所述培训计划生成装置包括：
个人信息获取模块，用于获取若干待培训人员的个人信息，所述个人信息包括岗位信息、阅读信息和年龄信息；
培训计划确定模块，用于根据各所述待培训人员的所述岗位信息确定各所述待培训人员的预设培训计划信息；
兴趣程度确定模块，用于基于目标分类算法，根据各所述待培训人员的所述阅读信息和所述年龄信息确定所述待培训人员对所述预设培训计划信息的兴趣程度；
培训组别确定模块，用于根据若干所述待培训人员对应的预设培训计划信息及兴趣程度，确定各所述待培训人员的培训组别；
组别培训计划确定模块，用于根据同一培训组别内每个待培训人员的预设培训计划信息和对所述预设培训计划信息的兴趣程度，对所述培训组别内每个待培训人员的预设培训计划信息进行调整，得到组别培训计划信息；
培训信息输出模块，用于输出所述培训组别中待培训人员的信息以及所述培训组别对应的组别培训计划信息。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的培训计划生成方法的步骤。
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上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的培训计划生成方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110708157.XA CN113435741A (zh) | 2021-06-24 | 2021-06-24 | 培训计划生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110708157.XA CN113435741A (zh) | 2021-06-24 | 2021-06-24 | 培训计划生成方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113435741A true CN113435741A (zh) | 2021-09-24 |
Family
ID=77754190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110708157.XA Pending CN113435741A (zh) | 2021-06-24 | 2021-06-24 | 培训计划生成方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113435741A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115040843A (zh) * | 2022-07-19 | 2022-09-13 | 惠州优朵科技有限公司 | 一种基于盆底肌训练的智能动态调整方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106657581A (zh) * | 2016-09-30 | 2017-05-10 | 深圳市天朗时代科技有限公司 | 电子书的阅读计划推荐***及其方法、终端与服务端 |
| CN110097482A (zh) * | 2019-03-22 | 2019-08-06 | 北京嗨学网教育科技股份有限公司 | 学习计划创建方法及装置、存储介质及电子装置 |
-
2021
- 2021-06-24 CN CN202110708157.XA patent/CN113435741A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106657581A (zh) * | 2016-09-30 | 2017-05-10 | 深圳市天朗时代科技有限公司 | 电子书的阅读计划推荐***及其方法、终端与服务端 |
| CN110097482A (zh) * | 2019-03-22 | 2019-08-06 | 北京嗨学网教育科技股份有限公司 | 学习计划创建方法及装置、存储介质及电子装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115040843A (zh) * | 2022-07-19 | 2022-09-13 | 惠州优朵科技有限公司 | 一种基于盆底肌训练的智能动态调整方法 |
| CN115040843B (zh) * | 2022-07-19 | 2023-11-17 | 惠州优朵科技有限公司 | 一种基于盆底肌训练的智能动态调整方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110866181A (zh) | 资源推荐的方法、装置及存储介质 | |
| CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
| CN111667067A (zh) | 基于图神经网络的推荐方法、装置和计算机设备 | |
| CN111401700A (zh) | 一种数据分析方法、装置、计算机***及可读存储介质 | |
| CN111506723A (zh) | 问答响应方法、装置、设备及存储介质 | |
| CN113435202A (zh) | 基于用户画像的产品推荐方法、装置、电子设备及介质 | |
| CN113051291A (zh) | 工单信息的处理方法、装置、设备及存储介质 | |
| CN113886708A (zh) | 基于用户信息的产品推荐方法、装置、设备及存储介质 | |
| CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
| CN115222443A (zh) | 客户群体划分方法、装置、设备及存储介质 | |
| CN113591881B (zh) | 基于模型融合的意图识别方法、装置、电子设备及介质 | |
| CN112328881B (zh) | 文章推荐方法、装置、终端设备及存储介质 | |
| CN113886697A (zh) | 基于聚类算法的活动推荐方法、装置、设备及存储介质 | |
| CN113435741A (zh) | 培训计划生成方法、装置、设备及存储介质 | |
| CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
| CN114581177B (zh) | 产品推荐方法、装置、设备及存储介质 | |
| CN114780712B (zh) | 一种基于质量评价的新闻专题生成方法及装置 | |
| CN115661472A (zh) | 图像查重方法、装置、计算机设备及存储介质 | |
| CN115392361A (zh) | 一种智能排序方法、装置、计算机设备及存储介质 | |
| CN112328779B (zh) | 训练样本构建方法、装置、终端设备及存储介质 | |
| CN113888265A (zh) | 产品推荐方法、装置、设备及计算机可读存储介质 | |
| CN113343102A (zh) | 基于特征筛选的数据推荐方法、装置、电子设备及介质 | |
| CN113704623A (zh) | 一种数据推荐方法、装置、设备及存储介质 | |
| CN113434660A (zh) | 基于多领域分类的产品推荐方法、装置、设备及存储介质 | |
| CN114781833B (zh) | 基于业务人员的能力测评方法、装置、设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210924 |
|
| RJ01 | Rejection of invention patent application after publication |