一种基于大数据的在线学习推荐方法、装置和计算机设备制造方法及图纸

本发明专利技术实施例提供了一种基于大数据的在线学习推荐方法、装置和计算机设备，获取到用户学习行为日志及非结构化行业数据；通过在线推荐组件针对所述用户学习行为日志进行处理，得到第一推荐结果；以及通过离线推荐组件针对所述非结构化行业数据进行处理，得到第二推荐结果；将第一推荐结果及第二推荐结果输入至缓存中；从缓存中输出所述第一推荐结果及第二推荐结果；据海量日志进行大数据在线推荐计算，实现用户学习行为的推荐内容；根据结构化的离线数据进行大数据离线推荐计算，实现用户画像及学习行为的推荐内容。及学习行为的推荐内容。及学习行为的推荐内容。

【技术实现步骤摘要】
一种基于大数据的在线学习推荐方法、装置和计算机设备


[0001]本专利技术涉及计算机
，特别是涉及一种基于大数据的在线学习推荐方法、一种基于大数据的在线学习推荐装置、一种计算机设备和一种存储介质。

技术介绍

[0002]随着在线培训需求的发展，个性化精准培训显的越来越重要，企业内员工不同的岗位、级别、所在部分等用户画像以及学习行为习惯为学员推送有针对性的培训内容；
[0003]目前比较常用的推荐方法是基于一些简单的规则：评分最高、浏览最多、学习人数最多等不同维度形成推荐结果；基于能力模型：规划整个公司每个岗位、级别的能力模型；市场上在线学习的培训平台大多数是简单的基于规则的推荐，并非真正的智能推荐，这些推荐存在以下缺陷；
[0004]第一方面，很难制定出适合每个个体的规则，满足不了用户的需求；规则需要不断的进行更新，花费的成本大，效率低；
[0005]第二方面，规划整个企业每个岗位、级别的能力模型，不是一件简单的事情，很多企业并没有完善的能力模型，可行性太差，另外随着公司的发展，还需要定期的更新能力模型，企业投入成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的在线学习推荐方法，其特征在于，包括：获取到用户学习行为日志及非结构化行业数据；通过在线推荐组件针对所述用户学习行为日志进行处理，得到第一推荐结果；以及通过离线推荐组件针对所述非结构化行业数据进行处理，得到第二推荐结果；将第一推荐结果及第二推荐结果输入至缓存中；从缓存中输出所述第一推荐结果及第二推荐结果。2.根据权利要求1所述的基于大数据的在线学习推荐方法，其特征在于，所述通过在线推荐组件针对所述用户学习行为日志进行处理，得到第一推荐结果，包括：通过flume组件获取用户学习行为日志，并将所述用户学习行为日志储存于Kafka中间缓存组件，再通过Spark Streaming组件处理所述用户学习行为日志，得到第一推荐结果。3.根据权利要求1所述的基于大数据的在线学习推荐方法，其特征在于，所述通过离线推荐组件针对所述非结构化行业数据进行处理，得到第二推荐结果，包括：通过Spark SQL组件针对所述非结构化行业数据进行数据挖掘；通过Spark MLib组件进行非结构化行业数据的处理，得到第二推荐结果。4.根据权利要求1所述的基于大数据的在线学习推荐方法，其特征在于，所述通过Spark MLib组件进行非结构化行业数据的处理，得到第二推荐结果，包括：基于用户(User
‑
based)算法、Item
‑
based和Model
‑
based对非结构化行业数据进行特征抽取、转换和选择，得到第二推荐结果。5.根据权利要求1所述的基于大数据的在线学习推荐方法，其特征在于，所述用户学习行为日志包括：登陆信息、课程信息、考试信息、学习课...

【专利技术属性】
技术研发人员：傅金波，姜璐，
申请(专利权)人：广州汇思信息科技股份有限公司，
类型：发明
国别省市：