在线学习推荐方法、装置、在线学习系统及服务器制造方法及图纸

本申请实施例提供一种在线学习推荐方法、装置、在线学习系统及服务器，可以在当学员用户的学习行为数据与各个在线学习推荐模型之间的未存在达到预设适配度阈值时，结合每个在线学习推荐模型相对于学员用户的推荐级别匹配学员用户对应的多个模型匹配属性以及每个模型匹配属性中加载的模型属性节点，由此将每个模型匹配属性对应的风格属性权重参数关联到每个模型匹配属性中加载的模型属性节点对应的第二目标在线学习推荐模型中，通过每个第二目标在线学习推荐模型根据风格属性权重参数对学员用户进行信息推荐，从而可以实时提高推荐精度，避免了在线学习推荐模型的参数配置过程无法在短时间内进行有效更新持续导致的信息推荐体验较差的情况。

【技术实现步骤摘要】
在线学习推荐方法、装置、在线学习系统及服务器
本申请涉及大数据分析与信息推荐
，具体而言，涉及一种在线学习推荐方法、装置、在线学习系统及服务器。
技术介绍
随着互联网技术的快速发展，通过在网上建立在线学习平台，可以使得众多学员用户通过互联网进行广泛地学习。在传统方案中，为了提高学员用户的学习体验，在线学习平台通常会收集学员用户在学习过程中产生的学习行为，并通过对学习行为进行大数据分析后与多个在线学习推荐模型进行匹配以为该学员用户关联对应的在线学习推荐模型进行后续的在线学习推荐。经本申请专利技术人研究发现，对于在线学习平台而言，搭建的在线学习推荐模型通常有限，在实际模型匹配过程中通常是优选匹配度最佳的在线学习推荐模型关联到对应的学员用户上。然而，就会导致当匹配度较低（低于一定匹配度阈值）时，即便采用匹配度最佳的在线学习推荐模型，也难以达到较为准确的推荐精度，而在线学习推荐模型的参数配置过程也无法在短时间内进行有效更新，从而持续导致信息推荐体验较差。
技术实现思路
有鉴于此，本申请的目的在于提供一种在线学习推荐方法本文档来自技高网...

【技术保护点】
1.一种在线学习推荐方法，其特征在于，应用于服务器，所述服务器与多个在线学习终端通信连接，所述方法包括：/n从每个所述在线学习终端中获取学员用户对应的学习行为数据，并提取与所述学习行为数据对应的学习行为风格数据，所述学习行为数据为所述服务器根据所述学员用户对应的在线学习终端的在线学习模式信息，以及所述在线学习终端与所述服务器之间的在线学习交互方式得到的；/n获取每个学员用户的在线学习推荐模型的学习风格权重参数以及每个在线学习推荐模型在对应的学习风格权重参数下的推荐策略所对应的推荐权重，并根据所述学习行为风格数据中的风格数据对应的风格权重以及每个在线学习推荐模型的学习风格权重参数及其在对应的学习...

【技术特征摘要】
1.一种在线学习推荐方法，其特征在于，应用于服务器，所述服务器与多个在线学习终端通信连接，所述方法包括：
从每个所述在线学习终端中获取学员用户对应的学习行为数据，并提取与所述学习行为数据对应的学习行为风格数据，所述学习行为数据为所述服务器根据所述学员用户对应的在线学习终端的在线学习模式信息，以及所述在线学习终端与所述服务器之间的在线学习交互方式得到的；
获取每个学员用户的在线学习推荐模型的学习风格权重参数以及每个在线学习推荐模型在对应的学习风格权重参数下的推荐策略所对应的推荐权重，并根据所述学习行为风格数据中的风格数据对应的风格权重以及每个在线学习推荐模型的学习风格权重参数及其在对应的学习风格权重参数下的推荐策略中所对应的推荐权重，计算所述学习行为数据与每个在线学习推荐模型之间的适配度；
在确定出的所有适配度中存在达到预设适配度阈值的目标适配度时，将所述学员用户关联到所述目标适配度对应的第一目标在线学习推荐模型中以使所述第一目标在线学习推荐模型对所述学员用户进行信息推荐得到第一在线学习推荐结果；
在确定出的所有适配度中未存在达到所述预设适配度阈值的目标适配度时，确定出每个在线学习推荐模型相对于所述学员用户的推荐级别并根据所述推荐级别的大小顺序，通过每个对应的在线学习推荐模型对所述学员用户的所述学习行为数据进行数据特征识别得到所述学员用户对应的多个模型匹配属性以及每个模型匹配属性中对应的与每个在线学习推荐模型的推荐级别对应的模型属性节点，根据每个模型匹配属性从所述学员用户对应的学习行为风格数据中确定出每个模型匹配属性对应的风格属性权重参数，将每个模型匹配属性对应的风格属性权重参数关联到每个模型匹配属性中加载的模型属性节点对应的第二目标在线学习推荐模型中，通过每个所述第二目标在线学习推荐模型根据所述风格属性权重参数对所述学员用户进行信息推荐得到第二在线学习推荐结果。


2.根据权利要求1所述的在线学习推荐方法，其特征在于，所述根据所述学习行为风格数据中的风格数据对应的风格权重以及每个在线学习推荐模型的学习风格权重参数及其在对应的学习风格权重参数下的推荐策略中所对应的推荐权重，计算所述学习行为数据与每个在线学习推荐模型之间的适配度的步骤，包括：
计算所述学习行为风格数据中的风格数据对应的风格权重在每个在线学习推荐模型的学习风格权重参数下的风格转换权重；
计算每个风格转换权重与对应的学习风格权重参数下的推荐策略中所对应的推荐权重之间的权重差值的绝对值；
将计算得到的各个权重差值的绝对值进行相加得到所述学习行为数据与每个在线学习推荐模型之间的适配度。


3.根据权利要求1所述的在线学习推荐方法，其特征在于，所述确定出每个在线学习推荐模型相对于所述学员用户的推荐级别的步骤，包括：
获取每个在线学习推荐模型对应的多个模型权重节点，确定各模型权重节点中的推荐内容特征对应的内容特征序列以及多个内容影响参数，所述内容特征序列用于表征推荐内容特征对学习推荐过程中的推荐倾向行为，所述内容影响参数用于表征所述推荐内容特征对学习推荐过程的影响权重；
在根据所述内容特征序列确定出各模型权重节点中包含有第一风格维度特征序列时，根据各模型权重节点在所述第一风格维度特征序列下的内容影响参数及其位置信息，确定各模型权重节点在第二风格维度特征序列下的各内容影响参数与各模型权重节点在所述第一风格维度特征序列下的各内容影响参数之间的第一匹配参数，其中，所述第一风格维度特征序列表示学习内容风格的特征序列，所述第二风格维度特征序列表示学习行为风格的特征序列；
在根据所述内容特征序列确定出各模型权重节点中包含有第一风格维度特征序列时，根据各模型权重节点在所述第一风格维度特征序列下的内容影响参数及其位置信息，确定各模型权重节点在第二风格维度特征序列下的各内容影响参数与各模型权重节点在所述第一风格维度特征序列下的各内容影响参数之间的第一匹配参数；
将各模型权重节点在所述第二风格维度特征序列下的与在所述第一风格维度特征序列下的内容影响参数之间的第一匹配参数达到预设参数范围的内容影响参数转移到所述第一风格维度特征序列下；
在各模型权重节点在所述第二风格维度特征序列下包含有多个内容影响参数时，根据各模型权重节点在所述第一风格维度特征序列下的内容影响参数及其位置信息确定各模型权重节点在所述第二风格维度特征序列下的各内容影响参数之间的第二匹配参数，并根据所述各内容影响参数之间的第二匹配参数对所述第二风格维度特征序列下的各内容影响参数进行筛选；
根据各模型权重节点在所述第一风格维度特征序列下的内容影响参数及其位置信息为上述筛选得到的目标内容影响参数设置列表位置等级，并将所述目标内容影响参数转移到所述第一风格维度特征序列中的与所述列表位置等级对应的列表区间中；
根据位于所述第一风格维度特征序列中的所有内容影响参数分别进行加权处理后，乘以对应的在线学习推荐模型对应的所述适配度，确定各模型权重节点对应的在线学习推荐模型相对于所述学员用户的推荐级别。


4.根据权利要求1所述的在线学习推荐方法，其特征在于，所述根据所述推荐级别的大小顺序对所述学员用户进行数据特征识别得到所述学员用户对应的多个模型匹配属性以及每个模型匹配属性中加载的与每个在线学习推荐模型的推荐级别对应的模型属性节点的步骤，包括：
将各个推荐级别所对应的推荐内容节点列出，建立在线学习推荐模型节点序列，该在线学习推荐模型节点序列为分项处理列表，每个模型区域对应一组序列特征，每组序列特征具有至少一个推荐内容节点，该在线学习推荐模型节点序列的各模型区域具有从高到低的递进关系；
确定所述学员用户的预设配置属性信息，并提取该学员用户的预设配置属性信息中包含的至少一个所述在线学习推荐模型节点序列中的推荐内容节点；
建立所述推荐内容节点与所述在线学习推荐模型节点序列之间的映射关系，根据该映射关系生成映射推荐策略；
其中，根据该映射关系生成映射推荐策略，包括：根据每个推荐内容节点将对应的所述在线学习推荐模型节点序列转换为模型节点数据，并分别生成每个模型节点数据的至少一个推荐单位，而后获取所述推荐级别的互不重复的推荐单位构成推荐单位组，并将所述推荐单位组中的各个推荐单位映射到所述在线学习推荐模型节点序列中，组成映射推荐策略，其中，每个推荐单位与一种推荐项目内容一一对应；
将所述学员用户的预设配置属性信息中包含的推荐内容节点与所述映射推荐策略中的各个推荐内容节点进行遍历比较，在遍历比较过程中，若一个推荐单位的所有推荐内容节点均包含在所述学员用户的预设配置属性信息中，则将该推荐单位记录为该学员用户的模型匹配属性指向；
根据所述学员用户的各个模型匹配属性指向，确定所述学员用户对应的多个匹配位置，根据每个匹配位置对所述学员用户进行数据特征识别得到对应的模型匹配属性，并根据每个模型匹配属性中包括的加载的推荐级别的模型节点数据的至少一个推荐单位确定该推荐级别的模型属性节点。


5.根据权利要求4所述的在线学习推荐方法，其特征在于，所述确定所述学员用户的预设配置属性信息的步骤，包括：
基于所述学员用户所对应的存储于所述服务器中的所述学员用户的注册节点和所述学员用户的当前使用节点所形成的多段用户注册资料信息，对所述学员用户进行分项处理得到多个注册项目信息；
获取每个注册项目信息的项目编辑前信息和项目编辑后信息；
根据所述每个注册项目信息的项目编辑前信息和项目编辑后信息，建立与所述学员用户对应的项目编辑记录的项目编辑行为集合；
获取与所述学员用户对应的项目编辑记录对应的多个编辑属性单位，并统计所述多个编辑属性单位中的目标编辑属性单位，其中，所述目标编辑属性单位中存在编辑字码特征；
判断相邻的两个目标编辑属性单位之间是否存在关联编辑项目，若存在，则统计所述关联编辑项目的数量，且在所述数量没有超过设定数值时，将所述项目编辑行为集合植入每个用户注册资料信息中，当植入每个用户注册资料信息中的项目编辑行为集合出现更新时，获取完成更新的项目编辑行为集合，统计已获取到的每个完成更新的项目编辑行为集合对应的编辑行为特征和注册项目信息偏向信息；
根据所述每个完成更新的项目编辑行为集合对应的编辑行为特征和注册项目信息偏向信息确定所述每个完成更新的项目编辑行为集合的编辑权重；
根据所述编辑权重，对实时获取的完成更新的项目...

【专利技术属性】
技术研发人员：张明，
申请(专利权)人：张明，
类型：发明
国别省市：江苏;32