【技术实现步骤摘要】
课程预测模型的更新方法、装置、计算机设备及存储介质
本申请涉及人工智能领域，尤其涉及一种课程预测模型的更新方法、课程预测模型的更新装置、计算机设备以及计算机可读存储介质。
技术介绍
线上教育技术随着信息化的发展不断革新，目前市面主流的在线教育系统可以规划固定的学习路径，但是无法提供自主学习的功能。在一个新学习流程中，若学生仍然需要重新学习已掌握的知识点，必然会浪费学生的学习时间，以及造成在线教育资源的浪费。然而，由于线上教育通常在不同的平台之间进行，且不同的线上教育平台之间存在数据壁垒，互相之间无法就学生的学习数据达成合作，或是出于保护隐私的考量，彼此之间难以共享学生的学习数据，这样一来就难以掌握学生全面的学习数据，也就难以准确向学生推送其所需的学习课程。上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本申请的主要目的在于提供一种课程预测模型的更新方法、课程预测模型的更新装置、计算机设备以及计算机可读存储介质，旨在解决如何在避免泄露学生隐私的同时，能...
【技术保护点】
1.一种课程预测模型的更新方法，其特征在于，包括：/n第一客户端获取训练样本，其中，所述训练样本包括本地学生的学习信息和所述本地学生对目标课程的学习意向信息，所述学习信息包括受教育程度、学习专业、学习历史、学习偏好和课程掌握程度中的至少一个；/n将所述训练样本转换为支持向量，并基于所述支持向量对课程预测模型进行训练，得到第一模型参数，其中，所述课程预测模型基于支持向量机构建，所述第一模型参数包括第一参数和第二参数，所述第一参数用于计算所述课程预测模型的模型梯度，所述第二参数用于计算所述课程预测模型的模型损失；/n将所述第一模型参数发送至第二客户端，并接收所述第二客户端发送的...
【技术特征摘要】
1.一种课程预测模型的更新方法，其特征在于，包括：
第一客户端获取训练样本，其中，所述训练样本包括本地学生的学习信息和所述本地学生对目标课程的学习意向信息，所述学习信息包括受教育程度、学习专业、学习历史、学习偏好和课程掌握程度中的至少一个；
将所述训练样本转换为支持向量，并基于所述支持向量对课程预测模型进行训练，得到第一模型参数，其中，所述课程预测模型基于支持向量机构建，所述第一模型参数包括第一参数和第二参数，所述第一参数用于计算所述课程预测模型的模型梯度，所述第二参数用于计算所述课程预测模型的模型损失；
将所述第一模型参数发送至第二客户端，并接收所述第二客户端发送的第二模型参数，其中，所述第二模型参数的生成方式与所述第一模型参数的生成方式相同；
根据所述第一模型参数和所述第二模型参数生成第三模型参数；
将所述第三模型参数上传至服务端，其中，所述第二客户端根据所述第一模型参数和所述第二模型参数生成第四模型参数，并上传所述第四模型参数至所述服务端；所述服务端用于根据所述第三模型参数和所述第四模型参数生成第五模型参数，并将所述第五模型参数反馈至所述第一客户端和所述第二客户端；
接收到所述服务端发送的所述第五模型参数时，根据所述第五模型参数更新所述课程预测模型。
2.如权利要求1所述的课程预测模型的更新方法，其特征在于，所述将所述第一模型参数发送至第二客户端，并接收所述第二客户端发送的第二模型参数的步骤包括：
利用所述服务端的公钥加密所述第一模型参数，并将加密后的所述第一模型参数发送至第二客户端，以及接收所述第二客户端发送的第二模型参数；
其中，所述第二客户端利用所述服务端的公钥加密所述第二模型参数后，将加密后的所述第二模型参数发送至所述第一客户端；所述服务端利用Paillier算法产生秘钥对，以得到所述公钥后，并将所述公钥发送至所述第一客户端和所述第二客户端。
3.如权利要求2所述的课程预测模型的更新方法，其特征在于，所述接收到所述服务端发送的所述第五模型参数时，根据所述第五模型参数更新所述课程预测模型的步骤之后，还包括：
检测到更新后的所述课程预测模型训练完成时，将所述课程预测模型存储至区块链网络。
4.如权利要求1-3中任一项所述的课程预测模型的更新方法，其特征在于，所述接收到所述服务端发送的所述第五模型参数时，根据所述第五模型参数更新所述课程预测模型的步骤之后，还包括：
获取到目标学生的学习信息时，将所述目标学生的学习信息输入至所述课程预测模型中进行分析，以得到所述目标学生对所述目标课程的学习意向信息。
5.如权利要求4所述的课程预测模型的更新方法，其特征在于，所述将所述目标学生的学习信息输入至所述课程预测模型中进行分析，以得到所述目标学...
【专利技术属性】
技术研发人员：卢春曦，王健宗，黄章成，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44
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。