基于人工智能的课程推荐方法、装置、电子设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供一种基于人工智能的课程推荐方法、装置、电子设备及介质，在生成资讯领域的用户资讯矩阵及课程领域的用户课程矩阵后，通过用户资讯矩阵计算资讯领域中任意两个用户之间的相似度并根据相似度构建第一用户领域集合，从而根据用户课程矩阵及第一用户领域集合构建课程领域的第二用户领域集合，实现了利用迁移学习思想将用户阅读资讯的偏好行为迁移至课程领域中学习课程的偏好行为中，最后为第二用户领域集合中的两个相似的第二用户进行课程的相互推荐，有效的解决了课程推荐模型中的冷启动问题，不仅能够一次性为多个用户个性化的推荐课程，且实现了两个相似用户的课程的相互推荐。了两个相似用户的课程的相互推荐。了两个相似用户的课程的相互推荐。

【技术实现步骤摘要】
基于人工智能的课程推荐方法、装置、电子设备及介质


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的课程推荐方法、装置、电子设备及介质。

技术介绍

[0002]课程推荐模型通常利用大量的用户历史行为数据作为输入，同时借助其它辅助信息来预测用户对某一门课程的偏好需求，从而实现差异化的培训课程精准推送。但课程推荐模型往往会面临用户冷启动问题，即当缺少用户和课程的历史交互数据时，课程推荐模型无法判断用户对课程的需求偏好，进而无法实施针对性的课程推荐。
[0003]专利技术人在实现本专利技术的过程中发现，现有的解决用户冷启动问题的方法大多基于专家经验和业务规则。如，使用热门非个性化内容进行试探性推送、通过业务设计与用户交互获取个人信息和兴趣标签等。这些方法虽然在一定程度上缓解了用户冷启动问题，但具有比较强的主观性和片面性，且需要特定领域知识和较多的用户交互，导致冷启动用户的课程推荐效果较差，无法精准的进行课程推荐。

技术实现思路

[0004]鉴于以上内容，有必要提出一种基于人工智能的课程推荐方法、装置、电子设备及介质，能够一次性为多个用户推荐课程，且实现了两个相似用户的课程的相互推荐。
[0005]本专利技术的第一方面提供一种基于人工智能的课程推荐方法，所述方法包括：基于资讯领域中的第一用户阅读资讯的阅读行为生成用户资讯矩阵，及基于课程领域中的第二用户学习课程的学习行为生成用户课程矩阵；根据所述用户资讯矩阵计算所述资讯领域中任意两个第一用户构成的第一用户对的第一相似度；根据所述第一相似度构建所述资讯领域的第一用户领域集合；针对所述第一用户领域集合中的任意一个第一用户对，从所述课程领域中获取与所述任意一个第一用户对匹配的第二用户对；根据所述用户课程矩阵从多个所述第二用户对中获取多个目标第二用户对，并基于所述多个目标第二用户对构建所述课程领域的第二用户领域集合；为所述第二用户领域集合中的每个所述目标第二用户对进行课程的相互推荐。
[0006]在一个可选的实施方式中，所述基于资讯领域中的第一用户阅读资讯的阅读行为生成用户资讯矩阵，及基于课程领域中的第二用户学习课程的学习行为生成用户课程矩阵包括：获取每个所述第一用户阅读每个资讯的阅读行为；根据所述阅读行为生成用户资讯稀疏矩阵；对所述用户资讯稀疏矩阵进行非稀疏化处理，得到资讯领域的用户资讯矩阵；获取每个所述第二用户学习每门课程的学习行为；
根据所述学习行为生成所述课程领域的用户课程矩阵。
[0007]在一个可选的实施方式中，所述对所述用户资讯稀疏矩阵进行非稀疏化处理，得到资讯领域的用户资讯矩阵包括：获取所述用户资讯稀疏矩阵中每个资讯所属的类别标签；将同一个第一用户在同一个类别标签下的资讯的阅读行为进行加和处理，得到每个第一用户阅读每类资讯的阅读行为；根据所述每个第一用户阅读每类资讯的阅读行为生成所述资讯领域的用户资讯矩阵。
[0008]在一个可选的实施方式中，所述根据所述用户资讯矩阵计算所述资讯领域中任意两个第一用户构成的第一用户对的第一相似度包括：获取所述用户资讯矩阵中每个所述第一用户的用户向量；计算每个所述用户向量的均值向量；计算每个所述用户向量与对应的所述均值向量之间的差值向量；根据任意两个第一用户的差值向量计算所述任意两个第一用户构成的第一用户对的第一相似度。
[0009]在一个可选的实施方式中，所述根据所述第一相似度构建所述资讯领域的第一用户领域集合包括：判断所述第一相似度是否小于预设第一相似度阈值；当所述第一相似度大于所述预设第一相似度阈值时，保留所述第一相似度；当所述第一相似度小于所述预设第一相似度阈值时，删除所述第一相似度；将根据保留后的第一相似度对应的两个第一用户确定为第一用户对；根据多个所述第一用户对构建所述资讯领域的第一用户领域集合。
[0010]在一个可选的实施方式中，所述根据所述用户课程矩阵从多个所述第二用户对中获取多个目标第二用户对包括：从所述用户课程矩阵中获取每个所述第二用户对中的两个第二用户的学习行为；根据所述第二用户对中的两个第二用户的学习行为计算所述第二用户对的第二相似度；当所述第二相似度大于预设第二相似度阈值时，将所述第二用户对确定为目标第二用户对。
[0011]在一个可选的实施方式中，所述根据所述第二用户对中的两个第二用户的学习行为计算所述第二用户对的第二相似度包括：对所述学习行为进行量化处理，得到偏好得分；根据所述偏好得分计算所述第二用户对的第二相似度。
[0012]本专利技术的第二方面提供一种基于人工智能的课程推荐装置，所述装置包括：矩阵生成模块，用于基于资讯领域中的第一用户阅读资讯的阅读行为生成用户资讯矩阵，及基于课程领域中的第二用户学习课程的学习行为生成用户课程矩阵；资讯计算模块，用于根据所述用户资讯矩阵计算所述资讯领域中任意两个第一用户构成的第一用户对的第一相似度；第一构建模块，用于根据所述第一相似度构建所述资讯领域的第一用户领域集
合；用户匹配模块，用于针对所述第一用户领域集合中的任意一个第一用户对，从所述课程领域中获取与所述任意一个第一用户对匹配的第二用户对；第二构建模块，用于根据所述用户课程矩阵从多个所述第二用户对中获取多个目标第二用户对，并基于所述多个目标第二用户对构建所述课程领域的第二用户领域集合；课程推荐模块，用于为所述第二用户领域集合中的每个所述目标第二用户对进行课程的相互推荐。
[0013]本专利技术的第三方面提供一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述基于人工智能的课程推荐方法。
[0014]本专利技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人工智能的课程推荐方法。
[0015]综上所述，本专利技术所述的基于人工智能的课程推荐方法、装置、电子设备及介质，在基于资讯领域中的第一用户阅读资讯的阅读行为生成用户资讯矩阵，及基于课程领域中的第二用户学习课程的学习行为生成用户课程矩阵之后，通过用户资讯矩阵计算所述资讯领域中任意两个第一用户构成的第一用户对的第一相似度，并根据所述第一相似度构建所述资讯领域中的第一用户领域集合，得到了资讯领域中用户阅读资讯的偏好行为，针对所述第一用户领域集合中的任意一个第一用户对，从所述课程领域中获取与所述任意一个第一用户对匹配的第二用户对，从而根据所述用户课程矩阵从多个所述第二用户对中获取多个目标第二用户对，并基于所述多个目标第二用户对构建所述课程领域的第二用户领域集合，实现了利用迁移学习思想将用户阅读资讯的偏好行为迁移至课程领域中学习课程的偏好行为中，最后为所述第二用户领域集合中的每个所述目标第二用户对进行课程的相互推荐，有效的解决了课程推荐模型中的冷启动问题，不仅能够一次性为多个用户个性化的推荐课程，且实现的是两个相似用户的课程的相互推荐。
附图说明
[0016]图1是本专利技术实施例一提供的基于人工智能的课程推荐方法的流程图。
[0017]图2是本专利技术实施例二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的课程推荐方法，其特征在于，所述方法包括：基于资讯领域中的第一用户阅读资讯的阅读行为生成用户资讯矩阵，及基于课程领域中的第二用户学习课程的学习行为生成用户课程矩阵；根据所述用户资讯矩阵计算所述资讯领域中任意两个第一用户构成的第一用户对的第一相似度；根据所述第一相似度构建所述资讯领域的第一用户领域集合；针对所述第一用户领域集合中的任意一个第一用户对，从所述课程领域中获取与所述任意一个第一用户对匹配的第二用户对；根据所述用户课程矩阵从多个所述第二用户对中获取多个目标第二用户对，并基于所述多个目标第二用户对构建所述课程领域的第二用户领域集合；为所述第二用户领域集合中的每个所述目标第二用户对进行课程的相互推荐。2.如权利要求1所述的基于人工智能的课程推荐方法，其特征在于，所述基于资讯领域中的第一用户阅读资讯的阅读行为生成用户资讯矩阵，及基于课程领域中的第二用户学习课程的学习行为生成用户课程矩阵包括：获取每个所述第一用户阅读每个资讯的阅读行为；根据所述阅读行为生成用户资讯稀疏矩阵；对所述用户资讯稀疏矩阵进行非稀疏化处理，得到资讯领域的用户资讯矩阵；获取每个所述第二用户学习每门课程的学习行为；根据所述学习行为生成所述课程领域的用户课程矩阵。3.如权利要求2所述的基于人工智能的课程推荐方法，其特征在于，所述对所述用户资讯稀疏矩阵进行非稀疏化处理，得到资讯领域的用户资讯矩阵包括：获取所述用户资讯稀疏矩阵中每个资讯所属的类别标签；将同一个第一用户在同一个类别标签下的资讯的阅读行为进行加和处理，得到每个第一用户阅读每类资讯的阅读行为；根据所述每个第一用户阅读每类资讯的阅读行为生成所述资讯领域的用户资讯矩阵。4.如权利要求2所述的基于人工智能的课程推荐方法，其特征在于，所述根据所述用户资讯矩阵计算所述资讯领域中任意两个第一用户构成的第一用户对的第一相似度包括：获取所述用户资讯矩阵中每个所述第一用户的用户向量；计算每个所述用户向量的均值向量；计算每个所述用户向量与对应的所述均值向量之间的差值向量；根据任意两个第一用户的差值向量计算所述任意两个第一用户构成的第一用户对的第一相似度。5.如权利要求4所述的基于人工智能的课程推荐方法，其特征在于，所述根据所述第一相似度构建所述资讯领域的第一用户领域集合包括：判断所述第一相似度是否小于预设第...

【专利技术属性】
技术研发人员：杨德杰，张茜，叶聆音，许丹，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：