数据处理方法、装置、存储介质和电子设备制造方法及图纸

本发明专利技术公开了一种数据处理方法、装置、存储介质和电子设备，其中，该方法包括：获取试听教学数据，该试听教学数据包括：至少一个待定老师信息和多个待定学员信息，待定老师信息包括待定学员对老师的评价信息，待定学员信息包括待定老师对学员的评价信息；将试听教学数据输入至预设的预测模型，以确定待定老师与待定学员之间的匹配信息；根据匹配信息和预定规则确定开班信息，开班信息包括目标老师信息和目标学员信息，预定规则用于指示目标学员的数量。通过本发明专利技术，可以提高课程的整体效果，从而提高用户的满意度。

Data processing methods, devices, storage media and electronic equipment

【技术实现步骤摘要】
数据处理方法、装置、存储介质和电子设备
本专利技术公开涉及数据处理领域，具体涉及一种数据处理方法、装置、存储介质和电子设备。
技术介绍
对于在线互联网教育，内容展现有很多模式，例如，一对一、一对小班，一对大班等。针对某一个教育品牌，用户一般都会选择试听，然后根据上课情况及后续服务的及时反馈，进行择优选择。在产品层面上，怎么利用已有的服务，最大化满足用户的参与度，使得主动性与能力都能有所提高，是一个很有意义的业务问题。目前，对于一对N模式，即一名老师对应多名学生，采用的是随机或者常规手段进行排课，这样的排课方式并未有效考虑老师和学生之间的配合程度，因而不利于整体课程效果的提高。
技术实现思路
有鉴于此，本专利技术实施例提供一种数据处理方法、装置、存储介质和电子设备，以解决现有技术中的由于一对多模式的排课方式未有效考虑老师与学生之间的配合度而导致整体课程效果较低的问题。根据本专利技术实施例的第一方面，提供一种数据处理方法，该方法包括：获取试听教学数据，该试听教学数据包括：至少一个待定老师信息和多个待定学员信息，待定老师信息包括待定学员对老师的评价信息，待定学员信息包括待定老师对学员的评价信息；将试听教学数据输入至预设的预测模型，以确定待定老师与待定学员之间的匹配信息；根据匹配信息和预定规则确定开班信息，开班信息包括目标老师信息和目标学员信息，预定规则用于指示目标学员的数量。根据本专利技术实施例的第二方面，提供一种数据处理装置，该装置包括：数据获取单元，用于获取试听教学数据，该试听教学数据包括：至少一个待定老师信息和多个待定学员信息，待定老师信息包括待定学员对老师的评价信息，待定学员信息包括待定老师对学员的评价信息；匹配信息确定单元，用于将试听教学数据输入至预设的预测模型，以确定待定老师与待定学员之间的匹配信息；开班信息确定单元，用于根据匹配信息和预定规则确定开班信息，开班信息包括目标老师信息和目标学员信息，预定规则用于指示目标学员的数量。根据本专利技术实施例的第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，其中，所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。根据本专利技术实施例的第四方面，提供一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面所述的方法。本专利技术实施例根据试听教学数据和预测模型来确定老师和学员之间的匹配信息，并根据匹配信息来确定开班信息，相比于现有技术中通过随机或者常规手段来开班，本专利技术实施例由于有效考虑了老师和学员之间的匹配度，因而可以提高课程的整体效果，从而提高用户的满意度。附图说明通过以下参照附图对本专利技术实施例的描述，本专利技术的上述以及其它目的、特征和优点将更为清楚，在附图中：图1是根据本专利技术实施例的数据处理方法流程图；图2是根据本专利技术实施例的数据处理装置的结构框图；图3是根据本专利技术实施例的开班信息确定单元203的结构框图；图4是根据本专利技术实施例的开班信息确定模块2032的结构框图；图5是根据本专利技术实施例的数据处理装置的详细结构框图；图6是根据本专利技术实施例的预测模型训练单元204的结构框图；图7是根据本专利技术实施例的数据处理装置的应用示例图；图8是根据本专利技术实施例的电子设备的示意图。具体实施方式以下基于实施例对本专利技术进行描述，但是本专利技术并不仅仅限于这些实施例。在下文对本专利技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本专利技术。为了避免混淆本专利技术的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。在本专利技术的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。由于现有技术中的一对多模式通过随机或者常规手段来排课，未考虑历史教学数据，也未有效考虑老师与学生之间的配合度，导致了整体课程效果较低。基于此，本专利技术实施例提供一种数据处理方法，以解决现有技术中的至少一个问题。图1是根据本专利技术实施例的数据处理方法流程图，如图1所示，该方法包括：步骤101，获取试听教学数据，试听教学数据包括：至少一个待定老师信息和多个待定学员信息，待定老师信息包括待定学员对老师的评价信息，待定学员信息包括待定老师对学员的评价信息；步骤102，将试听教学数据输入至预设的预测模型，以确定待定老师与待定学员之间的匹配信息；步骤103，根据匹配信息和预定规则确定开班信息，开班信息包括目标老师信息和目标学员信息，这里的预定规则用于指示目标学员的数量。本专利技术实施例根据试听教学数据和预测模型来确定老师和学员之间的匹配信息，并根据匹配信息来确定开班信息，相比于现有技术中通过随机或者常规手段来开班，本专利技术实施例由于有效考虑了老师和学员之间的匹配度，因而可以提高课程的整体效果，从而提高用户的满意度。在一个实施例中，预测模型可以通过如下方式来训练：获取历史教学数据，历史教学数据包括：含有学员评价信息的老师信息、含有老师评价信息的学员信息；根据老师信息和学员信息来确定老师学员匹配关系；根据老师学员匹配关系来训练该预测模型。该预测模型可以是梯度提升决策树(GradientBoostingDecisionTree，GBDT)模型。在具体实施过程中，老师信息具体可以包括：学员(对老师)评价信息、家长(对老师)评价信息、学校(对老师)评价信息、课程统计信息(例如，老师在一周内的上课次数等)等；学员信息具体可以包括：老师(对学员)评价信息、学员基本信息(例如，年龄、性别等)。通过这些历史教学数据，就可以尽可能全面的体现老师和学员之间的匹配关系。在获取到历史教学数据之后，为了后续的匹配操作，可以对这些数据进行数字化处理。具体数字化处理过程包括：对于类别型数据，例如，用A-C来表示的家长(对老师)评价信息，A表示优，C表示差，这种类别型数据通过独热编码(one-hot)操作来进行数字化处理；对于连续型数据，可以通过等频或等宽分箱操作来进行数字化处理，例如，对于课程统计信息，用桶[1，10]、[10，20]、[20，30]对课程统计信息进行分箱，如老师A一周的上课次数为10次，老师B一周的上课次数为15次，则老师A和B落入桶[10，20]中。随后，将数字化处理后的历史教学数据作为训练数据，输入至预测模型，以此来训练预测模型，其中，训练数据中的学员信息与老师信息相互对应。在步骤101中，获取的试听教学数据具体可以包括：学员(对老师)评价信息、家长(对老师)评价信息、学校(对老师)评价信息、课程统计信息、老师(对学员)评价信息、学员基本信息等。通过预测模型，可以得到老师与学员之间的匹配信息，该匹配信息可以用数字表示，例如，匹配信息可以用0-1之间的数字表示，1表示匹配度高，0表示不匹配。在得到匹配信息之后，就可以根据匹配程度，对待定老本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：获取试听教学数据，所述试听教学数据包括：至少一个待定老师信息和多个待定学员信息，所述待定老师信息包括待定学员对老师的评价信息，所述待定学员信息包括待定老师对学员的评价信息；将所述试听教学数据输入至预设的预测模型，以确定待定老师与待定学员之间的匹配信息；根据所述匹配信息和预定规则确定开班信息，所述开班信息包括目标老师信息和目标学员信息，所述预定规则用于指示目标学员的数量。

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取试听教学数据，所述试听教学数据包括：至少一个待定老师信息和多个待定学员信息，所述待定老师信息包括待定学员对老师的评价信息，所述待定学员信息包括待定老师对学员的评价信息；将所述试听教学数据输入至预设的预测模型，以确定待定老师与待定学员之间的匹配信息；根据所述匹配信息和预定规则确定开班信息，所述开班信息包括目标老师信息和目标学员信息，所述预定规则用于指示目标学员的数量。2.根据权利要求1所述的数据处理方法，其特征在于，根据所述匹配信息和预定规则确定开班信息包括：根据所述匹配信息对待定老师和待定学员进行匹配；根据所述预定规则从匹配的待定老师和待定学员中选择所述目标老师和目标学员，以确定所述开班信息。3.根据权利要求2所述的数据处理方法，其特征在于，根据所述预定规则从匹配的待定老师和待定学员中选择所述目标老师和目标学员包括：根据所述预定规则和预定算法从匹配的待定老师和待定学员中选择所述目标老师和目标学员。4.根据权利要求3所述的数据处理方法，其特征在于，响应于所述预定规则指示目标学员的数量为N，根据所述预定规则和预定算法从匹配的待定老师和待定学员中选择所述目标老师和目标学员包括：构建数量均为N的待定老师与待定学员的带权重的二分图，所述权重设置为对应的匹配信息，N为大于1的正整数；根据所述预定算法对带所述权重的二分图进行最佳匹配操作；根据所述最佳匹配操作来选择所述目标老师和目标学员。5.根据权利要求4所述的数据处理方法，其特征在于，所述预定算法为带所述权重的匈牙利算法。6.根...

【专利技术属性】
技术研发人员：布如国，赵红亮，
申请(专利权)人：北京谦仁科技有限公司，
类型：发明
国别省市：北京,11