【技术实现步骤摘要】
一种基于隐式反馈数据的偏好计算方法及数据生成装置
本专利技术涉及一种基于隐式反馈数据的偏好计算方法及数据生成装置,属于互联网教育领域。
技术介绍
“互联网+教育”是随着当今科学技术的不断发展,互联网科技与教育领域相结合的一种新的教育形式。互联网教育是利用信息化技术对教育行业进行变革,让更多人以更低的成本享受更好教育资源的教育方式。其中一对一的英语外教授课平台,让中国用户有机会通过视频直接向外国老师学习纯正的英语。在英语外教授课平台上,面对众多老师,用户存在不知如何选择授课老师的问题,而如何为学员匹配最适合的老师,也是所有一对一授课平台一直存在的问题。
技术实现思路
本专利技术的目的在于,提供一种基于隐式反馈数据的偏好计算方法,其能够量化用户对每个约课对象的偏好值,通过量化后的偏好值,来获取用户的对约课对象的个性化排序及授课平台上所有约课对象的排序,既能满足老用户的个性化需求,又能为新用户提供约课对象的优选方案。为解决上述技术问题,本专利技术采用如下的技术方案:一种基于隐式反馈数据的偏好计算方法,包括如下步骤:获取用户约课数据;根据用户约课数据生成偏好比对数据;根据偏好比对数据和偏好值计算模型获取偏好计算值;根据偏好计算值和偏好预测值对约课集合中的对象进行排序;用户约课数据包括约课对象和约课时间;所述偏好值计算模型包括第一组评分模型r=A,v=B2,其中r为能力评分,v为方差,B为偏差值,A和B为正整数值;偏好值计算模型包括第二组评分模型r=rold,v=min(Vold+c2t,B ...
【技术保护点】
1.一种基于隐式反馈数据的偏好计算方法,其特征在于,包括如下步骤:/n获取用户约课数据;/n根据用户约课数据生成偏好比对数据;/n根据偏好比对数据和偏好值计算模型获取偏好计算值;/n根据所述偏好计算值和偏好预测值对约课集合中的对象进行排序;/n所述用户约课数据包括约课对象和约课时间;/n所述偏好值计算模型包括第一组评分模型r=A,v=B
【技术特征摘要】
1.一种基于隐式反馈数据的偏好计算方法,其特征在于,包括如下步骤:
获取用户约课数据;
根据用户约课数据生成偏好比对数据;
根据偏好比对数据和偏好值计算模型获取偏好计算值;
根据所述偏好计算值和偏好预测值对约课集合中的对象进行排序;
所述用户约课数据包括约课对象和约课时间;
所述偏好值计算模型包括第一组评分模型r=A,v=B2,其中r为能力评分,v为方差,B为偏差值,A和B为正整数值;
所述偏好值计算模型包括第二组评分模型r=rold,v=min(Vold+c2t,B2),其中c为衡量时间因素的常量系数,t为用户约课同一约课对象的时间间隔;
所述偏好值计算模型包括第三组评分模型和其中sj等于0或者1,ej表示约课对象被用户约课的概率。
2.如权利要求1所述的一种基于隐式反馈数据的偏好计算方法,其特征在于,所述根据用户约课数据生成偏好比对数据包括如下步骤:
步骤S01:获取偏好对象数据,所述偏好对象数据包括用户近3个月的所约对象和收藏对象。
步骤S02:判断约课对象是否记录在偏好对象数据中;若在偏好对象数据中记录有所述约课对象,则执行步骤S03;若在偏好对象数据中未记录有所述约课对象,则执行步骤S04;
步骤S03:检索偏好对象数据中是否存在其它可约课对象,所述其它可约课对象在所述约课时间段内可约课;若在所述约课时间段内存在其它可约课对象,则记录所述其它可约课对象并执行步骤S05;若在所述约课时间段内不存在其它可约课对象,则执行步骤S06;
步骤S04:停止检索,且无偏好比对数据生成;
步骤S05:生成所述偏好比对数据;
步骤S06:停止生成偏好比对数据。
3.如权利要求2所述的一种基于隐式反馈数据的偏好计算方法,其特征在于,所述根据偏好比对数据和偏好值计算模型获取偏好计算值包括如下步骤:
步骤S07:判断所述约课对象是否在约课集合中,若判断结果为否,则执行步骤S08;若判断结果为是,则执行步骤S09;
步骤S08:根据所述第一组评分模型计算所述约课对象的初评数值;
步骤S09:根据所述第二组评分模型计算所述约课对象的再评数值,和/或
根据所述第二组评分模型计算所述其他约课对象的再评数值;
步骤S10:根据所述第三组评分模型更新计算所述约课对象再评数值,和/或
根据所述第三组评分模型更新计算所述其他约课对象的再评数值。
4.如权利要求3所述的一种基于隐式反馈数据的偏好计算方法,其特征在于,在根据所述偏好计算值和偏好预测值对约课集合中的对象进行排序之前,还包括通过第四组评分模型获取所述偏好预测值,所述第四组评分模型包括和其中为U矩阵和T矩阵中的所有元...
【专利技术属性】
技术研发人员:刘思喆,杜亚磊,齐琛,
申请(专利权)人:北京大生在线科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。