一种基于学习地图与协同过滤的员工个性化学习推荐方法技术

本发明专利技术公开了一种基于学习地图与协同过滤的员工个性化学习推荐方法，根据在线学习平台的学习资源内容与学习者（企业员工）实际情况，分别提取资源特征和员工属性，建立数学模型，然后根据相似度计算推荐列表产生推荐结果，并收集学习者的反馈情况用于改进相似度计算，优化推荐过程。本发明专利技术方法对半结构化、非结构化数据、多媒体学习资源在推荐内容上具有一定普适性，将员工学习地图与协同过滤相结合，一方面修正、优化了推荐结果，另一方面能有效解决评分矩阵稀疏与新员工的学习资源推荐即冷启动问题，使得在线学习平台的学习内容推送更加个性化，有效帮助企业员工迅速成长，节约了员工培训、学习成本，提高了员工学习效率。

【技术实现步骤摘要】

【技术保护点】
一种基于学习地图与协同过滤的员工个性化学习推荐方法，其特征在于，具体步骤如下：(1)学习地图建模为便于计算员工学习地图的相似度，根据企业具体的岗位级别和员工能力标签以及现有的在线课程学习内容，从数据库获取项目属性数据和员工属性数据存储在对应的数据库表中，采用二进制编码建立员工学习地图矩阵模型，其矩阵形式为(2)相似度计算①计算员工学习地图相似度，定义员工k同员工l之间的学习地图相似度为α1，计算方公式为α1=12sim(k,l);]]>其中，0＜k＜N，0＜l＜N，0＜α1＜1/2，Ik和Il分别是员工k与员工l的学习地图矩阵，最终相似度为员工学习地图相似度sim(k，l)的0.5...

【技术特征摘要】

【专利技术属性】
技术研发人员：段勇，方俊，秦乐，张云钢，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：云南;53