一种教育平台的教学课程推荐方法技术

本发明专利技术公开了一种教育平台的教学课程推荐方法，属于教学平台技术领域，包括步骤1：收集用户的属性数据，灌入到Redis层；步骤2：根据步骤1，通过机器学习算法进行用户购买预测；步骤3：对用户实时点击数据进行采集，推送到实时数据层，再通过流式数据处理方法计算在线实时的相关性矩阵，推入Reids层；步骤4：根据步骤1和步骤3，通过协同过滤算法得到推荐结果。本发明专利技术解决了现有推荐引擎用在教育平台上存在推荐准确度不高，推荐的产品关联度不大，反而给用户造成困扰的问题。

A method of teaching course recommendation based on education platform

【技术实现步骤摘要】
一种教育平台的教学课程推荐方法
本专利技术属于教学平台
，涉及一种教育平台的教学课程推荐方法。
技术介绍
大数据起源于互联网，实时推荐引擎是大数据体系中面向应用场景建立的应用层面的通用智能引擎，将大数据基础平台的多种底层数据产出系统，通过应用场景链接起来，构建了具备实时推荐能力的数据服务层。但目前还没有针对教育平台上对课程的推荐引擎。虽然市场上已经有应用到其他领域的推荐引擎，一般主要只针对用户搜索框内的搜索词进行推荐，若用到教育平台上，教育平台中课程、培训等之间的名词关联性不大，会导致其推荐准确度不高，推荐的产品关联度不大，反而给用户造成困扰。因此，本专利技术针对上述问题，提出了一种教育平台的教学课程推荐方法。
技术实现思路
本专利技术的目的在于：提供了一种教育平台的教学课程推荐方法，解决了现有推荐引擎用在教育平台上存在推荐准确度不高，推荐的产品关联度不大，反而给用户造成困扰的问题。本专利技术采用的技术方案如下：一种教育平台的教学课程推荐方法，包括以下步骤：步骤1：收集用户的属性本文档来自技高网...

【技术保护点】
1.一种教育平台的教学课程推荐方法，其特征在于，包括以下步骤：/n步骤1：收集用户的属性数据，灌入到Redis层；/n步骤2：根据步骤1，通过机器学习算法进行用户购买预测；/n步骤3：对用户实时点击数据进行采集，推送到实时数据层，再通过流式数据处理方法计算在线实时的相关性矩阵，推入Reids层；/n步骤4：根据步骤1和步骤3，在Reids层中通过协同过滤算法得到推荐结果。/n

【技术特征摘要】
1.一种教育平台的教学课程推荐方法，其特征在于，包括以下步骤：
步骤1：收集用户的属性数据，灌入到Redis层；
步骤2：根据步骤1，通过机器学习算法进行用户购买预测；
步骤3：对用户实时点击数据进行采集，推送到实时数据层，再通过流式数据处理方法计算在线实时的相关性矩阵，推入Reids层；
步骤4：根据步骤1和步骤3，在Reids层中通过协同过滤算法得到推荐结果。


2.根据权利要求1所述的一种教育平台的教学课程推荐方法，其特征在于，所述步骤1中用户的属性数据包括：用户的登记信息数据、行为数据和外部数据。


3.根据权利要求1所述的一种教育平台的教学课程推荐方法，其特征在于，所述步骤2包括...

【专利技术属性】
技术研发人员：董卫轩，管郁生，谢群，马楠，李科，
申请(专利权)人：河南德创教育信息咨询有限公司，
类型：发明
国别省市：河南;41