课程匹配方法、系统、计算机设备和存储介质技术方案

本发明专利技术提供了一种课程匹配方法、系统、计算机设备和存储介质，其中，所述课程匹配方法通过获取企业课程库，并获取所述企业课程库中的课程关键词；接收员工的工作报告，并采用关键词挖掘模型挖掘工作报告的员工关键词；采用相似度算法计算课程关键词和员工关键词的匹配值；根据匹配值自动向员工推荐匹配值高的课程。因此，本发明专利技术能够基于现有数据，运用NLP技术，能够对信息进行自动化的挖掘和分析，从而自动化的给出千人千面的课程个性化推荐。同时，本发明专利技术还涉及区块链技术。

【技术实现步骤摘要】
课程匹配方法、系统、计算机设备和存储介质
本专利技术涉及数据处理
，特别是涉及课程匹配方法、系统、计算机设备和存储介质。
技术介绍
企业员工的培训对于大大小小的企业而言，都是至关重要的一个环节：这一环节关系着企业文化和价值观的重塑。当前大部分员工的培训往往是由企业人力资源部门进行统筹规划，由于人力成本和时间的限制，往往存在着以下问题：1)培训项目比较单一，一般只有对新员工的入职培训，而缺乏长期的培养和学习；2)针对性较差，很难有千人千面的课程设计，无法针对性的根据员工的专业知识基础和当前的项目工作需求等，做出设计。以上这些问题的存在，往往会导致培训效果差，培训的目的难以达到。而我们发现，这些问题归根到底是课程推荐方式过度依赖人力所导致的，而由于人力资源部门不可能面面俱到，不了解所有员工的背景和当前的岗位等，所以课程的设计和推荐不能及时，准确，具有针对性。
技术实现思路
基于此，本专利技术提供了一种课程匹配方法、系统、计算机设备和存储介质，以解决不能对信息进行自动化的挖掘和分析，从而自动化的给出千人千面的课程个性化推荐的问题。为实现上述目的，本专利技术提供一种基于NLP技术的课程匹配方法，所述课程匹配方法包括：获取企业课程库，并获取所述企业课程库中的课程关键词；接收员工的工作报告，并采用关键词挖掘模型挖掘工作报告的员工关键词；采用相似度算法计算课程关键词和员工关键词的匹配值；根据匹配值自动向员工推荐匹配值高的课程。优选的，所述采用相似度算法计算课程关键词和员工关键词的匹配值之前还包括：接收设定的员工关键词的权重；根据员工关键词的权重选取有效的员工关键词。优选的，所述员工关键词包括岗位关键词、工作内容关键词、评价关键词和指标关键词，所述岗位关键词和工作内容关键词的权重要高于评价关键词和指标关键词的权重。优选的，所述采用相似度算法计算课程关键词和员工关键词的匹配值的步骤包括：采用相似度算法计算课程关键词和员工关键词的相似值；将员工关键词权重乘以相似度计算的相似值，得到匹配值。优选的，所述采用关键词挖掘模型挖掘工作报告的员工关键词的步骤包括：对训练样本集进行预处理，得到序列化标注模型所需的BIO输入数据格式；采用序列化标注模型对每个序列进行特征提取，获得每个序列对应的文本的语义特征；使用softmax分类器对所获得的文本的语义特征进行分类，对所述模型进行训练和测试，得到BIO格式的输出数据；将BIO格式的输出数据进行后处理，得到员工关键词。优选的，所述根据匹配值自动向员工推荐匹配值高的课程之后，将课程匹配结果上传至区块链中，以使得所述区块链对所述课程匹配结果进行加密存储。为实现上述目的，本专利技术还提供了一种基于NLP技术的课程匹配系统，所述课程匹配系统包括：课程关键词挖掘模块，用于获取企业课程库，并获取所述企业课程库中的课程关键词；员工关键词挖掘模块，用于接收员工的工作报告，并采用关键词挖掘模型挖掘工作报告的员工关键词；计算模块，用于采用相似度算法计算课程关键词和员工关键词的匹配值；匹配模块，用于根据匹配值自动向员工推荐匹配值高的课程。优选的，所述系统还包括权重模块，所述权重模块用于接收设定的员工关键词的权重并根据员工关键词的权重选取有效的员工关键词；所述计算模块中，所述采用相似度算法计算课程关键词和员工关键词的匹配值的步骤包括：采用相似度算法计算课程关键词和员工关键词的相似值；将员工关键词权重乘以相似度计算的相似值，得到匹配值。为实现上述目的，本专利技术还提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上所述课程匹配方法的步骤。为实现上述目的，本专利技术还提供了一种计算机存储介质，存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述课程匹配方法的步骤。上述本专利技术提供了一种课程匹配方法、系统、计算机设备和存储介质，其中，所述课程匹配方法通过获取企业课程库，并获取所述企业课程库中的课程关键词；接收员工的工作报告，并采用关键词挖掘模型挖掘工作报告的员工关键词；采用相似度算法计算课程关键词和员工关键词的匹配值；根据匹配值自动向员工推荐匹配值高的课程。因此，本专利技术能够基于现有数据，运用NLP技术，能够对信息进行自动化的挖掘和分析，从而自动化的给出千人千面的课程个性化推荐。附图说明图1为一个实施例中提供的课程匹配方法的实施环境图；图2为一个实施例中计算机设备的内部结构框图；图3为一个实施例中课程匹配方法的流程图；图4为一个实施例中采用关键词挖掘模型挖掘员工关键词的流程图；图5为一个实施例中员工关键词设置权重的流程图；图6为一个实施例中计算课程关键词和员工关键词的匹配值的流程图；图7为一个实施例中优化课程匹配方法的流程图；图8为一个实施例中课程匹配系统的示意图；图9为一个实施例中课程匹配系统的另一示意图；图10为一个实施例中的计算机设备的结构示意图；图11为一个实施例中的存储介质的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。图1为一个实施例中提供的基于NLP技术的课程匹配方法的实施环境图，如图1所示，在该实施环境中，包括计算机设备110和终端设备120。计算机设备110可以为用户使用的电脑等计算机设备，计算机设备110上安装有基于NLP技术的课程匹配系统。当计算时，用户可以在计算机设备110依照基于NLP技术的课程匹配方法进行匹配值的计算，并通过终端设备120通知员工已匹配的课程。需要说明的是，计算机设备110可以为智能手机、平板电脑、笔记本电脑、台式计算机等；终端设备120主要为智能手机、平板电脑、笔记本电脑、台式计算机，基于NLP技术的课程匹配系统为安装于终端设备120的APP或应用程序。关于计算机设备110和终端设备120的描述，并不局限于此。图2为一个实施例中计算机设备的内部结构示意图。如图2所示，该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种基于NLP技术的课程匹配方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可本文档来自技高网...

【技术保护点】
1.一种基于NLP技术的课程匹配方法，其特征在于，所述课程匹配方法包括：/n获取企业课程库，并获取所述企业课程库中的课程关键词；/n接收员工的工作报告，并采用关键词挖掘模型挖掘工作报告的员工关键词；/n采用相似度算法计算课程关键词和员工关键词的匹配值；/n根据匹配值自动向员工推荐匹配值高的课程。/n

【技术特征摘要】
1.一种基于NLP技术的课程匹配方法，其特征在于，所述课程匹配方法包括：
获取企业课程库，并获取所述企业课程库中的课程关键词；
接收员工的工作报告，并采用关键词挖掘模型挖掘工作报告的员工关键词；
采用相似度算法计算课程关键词和员工关键词的匹配值；
根据匹配值自动向员工推荐匹配值高的课程。


2.如权利要求1所述的课程匹配方法，其特征在于，所述采用相似度算法计算课程关键词和员工关键词的匹配值之前还包括：
接收设定的员工关键词的权重；
根据员工关键词的权重选取有效的员工关键词。


3.如权利要求2所述的课程匹配方法，其特征在于，所述员工关键词包括岗位关键词、工作内容关键词、评价关键词和指标关键词，所述岗位关键词和工作内容关键词的权重要高于评价关键词和指标关键词的权重。


4.如权利要求2所述的课程匹配方法，其特征在于，所述采用相似度算法计算课程关键词和员工关键词的匹配值的步骤包括：
采用相似度算法计算课程关键词和员工关键词的相似值；
将员工关键词权重乘以相似度计算的相似值，得到匹配值。


5.如权利要求1所述的课程匹配方法，其特征在于，所述采用关键词挖掘模型挖掘工作报告的员工关键词的步骤包括：
对训练样本集进行预处理，得到序列化标注模型所需的BIO输入数据格式；
采用序列化标注模型对每个序列进行特征提取，获得每个序列对应的文本的语义特征；
使用softmax分类器对所获得的文本的语义特征进行分类，对所述模型进行训练和测试，得到BIO格式的输出数据；
...

【专利技术属性】
技术研发人员：马丹，曾增烽，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：广东;44