课程推荐方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及智能推荐领域，公开了一种课程推荐方法、装置、计算机设备及存储介质，其方法包括：根据用户的课程交互数据生成课程热度数据；基于课程热度数据构建用户‑课程热度矩阵；根据用户‑课程热度矩阵和课程交互数据计算资源配额矩阵；根据用户‑课程热度矩阵和资源配额矩阵计算推荐预测矩阵；根据推荐预测矩阵计算推荐结果。本发明专利技术可以提高课程推荐的成功率。

Recommended methods, devices, computer equipment and storage media

【技术实现步骤摘要】
课程推荐方法、装置、计算机设备及存储介质
本专利技术涉及智能推荐领域，尤其涉及一种课程推荐方法、装置、计算机设备及存储介质。
技术介绍
随着在线课程的兴起及神经网络技术的发展，越来越多的在线课程网站使用神经网络技术用户的兴趣课程进行精准预测，以提高用户的学习频率。然而，现有的课程推荐算法高度依赖神经网络算法对训练样本的处理结果，没有体现用户依据课程偏好选择课程的内在逻辑，导致课程推荐的质量不高，推荐的正确率偏低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种课程推荐方法、装置、计算机设备及存储介质，以提高课程推荐的成功率。一种课程推荐方法，包括：根据用户的课程交互数据生成课程热度数据；基于所述课程热度数据构建用户-课程热度矩阵；根据所述用户-课程热度矩阵和所述课程交互数据计算资源配额矩阵；根据所述用户-课程热度矩阵和所述资源配额矩阵计算推荐预测矩阵；根据所述推荐预测矩阵计算推荐结果。一种课程推荐装置，包括：热度数据计算模块，用于根据用户的课程交本文档来自技高网...

【技术保护点】
1.一种课程推荐方法，其特征在于，包括：/n根据用户的课程交互数据生成课程热度数据；/n基于所述课程热度数据构建用户-课程热度矩阵；/n根据所述用户-课程热度矩阵和所述课程交互数据计算资源配额矩阵；/n根据所述用户-课程热度矩阵和所述资源配额矩阵计算推荐预测矩阵；/n根据所述推荐预测矩阵计算推荐结果。/n

【技术特征摘要】
1.一种课程推荐方法，其特征在于，包括：
根据用户的课程交互数据生成课程热度数据；
基于所述课程热度数据构建用户-课程热度矩阵；
根据所述用户-课程热度矩阵和所述课程交互数据计算资源配额矩阵；
根据所述用户-课程热度矩阵和所述资源配额矩阵计算推荐预测矩阵；
根据所述推荐预测矩阵计算推荐结果。


2.如权利要求1所述的课程推荐方法，其特征在于，所述根据用户的课程交互数据生成课程热度数据，包括：
获取所述课程交互数据；
根据预设离散化方法处理所述课程交互数据，生成离散化交互数据；
根据预设范式规则处理所述离散化交互数据，生成所述课程热度数据。


3.如权利要求2所述的课程推荐方法，其特征在于，所述预设范式规则包括：



其中，U为用户，C为课程，r为课程热度，t为课程的学习时长属性，c为课程的收藏属性，p为课程的评论属性，s为课程的评分属性，α、β、γ、δ、k均为常数因子，且k＝Max(αt+βc+γp+δs)。


4.如权利要求1所述的课程推荐方法，其特征在于，所述用户-课程热度矩阵为m×n矩阵，m为用户的数量，n为课程的数量。


5.如权利要求1所述的课程推荐方法，其特征在于，所述资源配额矩阵为n×n矩阵，其元素wij由以下公式计算：



其中，元素wij为课程j分配给课程i的资源配额，kj为课程j的评论数，kl为用户l的选择课程数，m...

【专利技术属性】
技术研发人员：杨万强，白冬冬，陈薇，
申请(专利权)人：上海复深蓝软件股份有限公司，
类型：发明
国别省市：上海;31