本申请涉及人工智能技术领域，揭示了一种基于人工智能的课程推荐方法、装置、设备及存储介质，其中方法包括：获取课程推荐请求，所述课程推荐请求携带有目标喜好标签向量；获取用户数据库，分别计算所述用户数据库中的每个喜好标签向量与所述目标喜好标签向量之间的Dice相似度，得到相似度集；从所述相似度集中获取最大的所述Dice相似度作为目标相似度；从所述用户数据库中获取所述目标相似度对应的用户数据，作为参考用户数据；根据所述参考用户数据进行课程推荐，得到所述目标喜好标签向量对应的课程推荐结果。过Dice相似度深度挖掘了用户之间的相似度，根据最相近的用户进行课程推荐，提高了课程推荐的准确性。提高了课程推荐的准确性。提高了课程推荐的准确性。
【技术实现步骤摘要】
基于人工智能的课程推荐方法、装置、设备及存储介质
[0001]本申请涉及到人工智能
，特别是涉及到一种基于人工智能的课程推荐方法、装置、设备及存储介质。
技术介绍
[0002]随着网络课程的日益丰富，网络课程的种类和数量呈现井喷式增加，导致学员面对种类和数量众多的网络课程难以进行选择。为了解决该问题，培训平台的管理员在后台手动推送网络课程给学员，这种学习方式使学员处于被动的状态，无法学习自己真正感兴趣的课程，降低了学员学习的积极性，也降低了学员对培训平台的黏性。
技术实现思路
[0003]本申请的主要目的为提供一种基于人工智能的课程推荐方法、装置、设备及存储介质，旨在解决现有技术为了解决学员面对种类和数量众多的网络课程难以进行选择的问题，采用管理员在后台手动推送网络课程给学员，导致学员无法学习自己真正感兴趣的课程的技术问题。
[0004]为了实现上述专利技术目的，本申请提出一种基于人工智能的课程推荐方法，所述方法包括：
[0005]获取课程推荐请求，所述课程推荐请求携带有目标喜好标签向量；
[0006]获取用户数据库，分别计算所述用户数据库中的每个喜好标签向量与所述目标喜好标签向量之间的Dice相似度，得到相似度集；
[0007]从所述相似度集中获取最大的所述Dice相似度作为目标相似度；
[0008]从所述用户数据库中获取所述目标相似度对应的用户数据，作为参考用户数据；
[0009]根据所述参考用户数据进行课程推荐，得到所述目标喜好标签向量对应的课程推荐结果。
[0010]进一步的，所述根据所述参考用户数据进行课程推荐，得到所述目标喜好标签向量对应的课程推荐结果的步骤，包括：
[0011]对所述参考用户数据中的课程学习数据按照学习次数进行倒序排序，得到排序后的课程学习数据；
[0012]获取预设提取规则，采用从头开始提取的方式，从所述排序后的课程学习数据中提取数量符合所述预设提取规则的课程标识，作为所述课程推荐结果。
[0013]进一步的，所述采用从头开始提取的方式，从所述排序后的课程学习数据中提取数量符合所述预设提取规则的课程标识，作为所述课程推荐结果的步骤，包括：
[0014]采用从头开始提取的方式，从所述排序后的课程学习数据中提取数量符合所述预设提取规则的所述课程标识，作为热门课程推荐数据；
[0015]根据所述参考用户数据中的课程收藏数据，确定课程收藏推荐数据；
[0016]根据所述热门课程推荐数据和所述课程收藏推荐数据，确定所述课程推荐结果。
[0017]进一步的，所述采用从头开始提取的方式，从所述排序后的课程学习数据中提取数量符合所述预设提取规则的所述课程标识，作为热门课程推荐数据的步骤之后，还包括：
[0018]根据所述热门课程推荐数据生成热门课程推荐信息；
[0019]将所述热门课程推荐信息发送给所述目标喜好标签向量对应的目标客户端；
[0020]获取所述目标客户端发送的热门课程配置数据；
[0021]根据所述热门课程配置数据，更新所述用户数据库中的与所述目标喜好标签向量对应的所述用户数据的课程计划列表。
[0022]进一步的，所述根据所述参考用户数据中的课程收藏数据，确定课程收藏推荐数据的步骤之后，还包括：
[0023]根据所述课程收藏推荐数据生成课程收藏推荐信息；
[0024]将所述课程收藏推荐信息发送给所述目标客户端；
[0025]获取所述目标客户端发送的课程收藏配置数据；
[0026]根据所述课程收藏配置数据，更新所述用户数据库中的与所述目标喜好标签向量对应的所述用户数据的课程收藏数据。
[0027]进一步的，所述获取课程推荐请求的步骤，包括：
[0028]获取课程批量配置数据；
[0029]采用所述课程批量配置数据，从kafka消息中间件中获取用户喜好标签数据集；
[0030]对所述用户喜好标签数据集中的每个用户喜好标签数据进行喜好标签向量生成，得到喜好标签向量集；
[0031]从所述喜好标签向量集中获取所述喜好标签向量作为目标喜好标签向量；
[0032]根据所述目标喜好标签向量生成所述课程推荐请求；
[0033]重复执行所述从所述喜好标签向量集中获取所述喜好标签向量作为目标喜好标签向量的步骤，直至完成所述喜好标签向量集中的所述喜好标签向量的获取。
[0034]进一步的，所述获取课程批量配置数据的步骤之前，包括：
[0035]获取批次处理时长监控结果、CPU核心数量、块间隔数据和所述课程批量配置数据；
[0036]根据所述批次处理时间监控结果、所述CPU核心数量和所述块间隔数据进行批处理间隔数据计算，得到待处理的批处理间隔数据；
[0037]根据所述待处理的批处理间隔数据分别进行滑动窗口大小计算和滑动间隔数据计算，得到待处理的所述滑动窗口大小和待处理的滑动间隔数据；
[0038]根据所述待处理的批处理间隔数据、所述待处理的所述滑动窗口大小和所述待处理的滑动间隔数据更新所述课程批量配置数据。
[0039]本申请还提出了一种基于人工智能的课程推荐装置，所述装置包括：
[0040]请求获取模块，用于获取课程推荐请求，所述课程推荐请求携带有目标喜好标签向量；
[0041]相似度集确定模块，用于获取用户数据库，分别计算所述用户数据库中的每个喜好标签向量与所述目标喜好标签向量之间的Dice相似度，得到相似度集；
[0042]目标相似度确定模块，用于从所述相似度集中获取最大的所述Dice相似度作为目标相似度；
[0043]参考用户数据确定模块，用于从所述用户数据库中获取所述目标相似度对应的用户数据，作为参考用户数据；
[0044]课程推荐结果确定模块，用于根据所述参考用户数据进行课程推荐，得到所述目标喜好标签向量对应的课程推荐结果。
[0045]本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
[0046]本申请还提出了一种计算机可读存储介质，其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上述任一项所述的方法的步骤。
[0047]本申请的基于人工智能的课程推荐方法、装置、设备及存储介质，其中方法首先通过获取课程推荐请求，所述课程推荐请求携带有目标喜好标签向量，然后通过分别计算所述用户数据库中的每个喜好标签向量与所述目标喜好标签向量之间的Dice相似度，得到相似度集，从所述相似度集中获取最大的所述Dice相似度作为目标相似度，从所述用户数据库中获取所述目标相似度对应的用户数据，作为参考用户数据，最后通过根据所述参考用户数据进行课程推荐，得到所述目标喜好标签向量对应的课程推荐结果，通过Dice相似度深度挖掘了用户之间的相似度，根据最相近的用户进行课程推荐，提高了课程推荐的准确性，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：获取课程推荐请求，所述课程推荐请求携带有目标喜好标签向量；获取用户数据库，分别计算所述用户数据库中的每个喜好标签向量与所述目标喜好标签向量之间的Dice相似度，得到相似度集；从所述相似度集中获取最大的所述Dice相似度作为目标相似度；从所述用户数据库中获取所述目标相似度对应的用户数据，作为参考用户数据；根据所述参考用户数据进行课程推荐，得到所述目标喜好标签向量对应的课程推荐结果。2.根据权利要求1所述的基于人工智能的课程推荐方法，其特征在于，所述根据所述参考用户数据进行课程推荐，得到所述目标喜好标签向量对应的课程推荐结果的步骤，包括：对所述参考用户数据中的课程学习数据按照学习次数进行倒序排序，得到排序后的课程学习数据；获取预设提取规则，采用从头开始提取的方式，从所述排序后的课程学习数据中提取数量符合所述预设提取规则的课程标识，作为所述课程推荐结果。3.根据权利要求2所述的基于人工智能的课程推荐方法，其特征在于，所述采用从头开始提取的方式，从所述排序后的课程学习数据中提取数量符合所述预设提取规则的课程标识，作为所述课程推荐结果的步骤，包括：采用从头开始提取的方式，从所述排序后的课程学习数据中提取数量符合所述预设提取规则的所述课程标识，作为热门课程推荐数据；根据所述参考用户数据中的课程收藏数据，确定课程收藏推荐数据；根据所述热门课程推荐数据和所述课程收藏推荐数据，确定所述课程推荐结果。4.根据权利要求3所述的基于人工智能的课程推荐方法，其特征在于，所述采用从头开始提取的方式，从所述排序后的课程学习数据中提取数量符合所述预设提取规则的所述课程标识，作为热门课程推荐数据的步骤之后，还包括：根据所述热门课程推荐数据生成热门课程推荐信息；将所述热门课程推荐信息发送给所述目标喜好标签向量对应的目标客户端；获取所述目标客户端发送的热门课程配置数据；根据所述热门课程配置数据，更新所述用户数据库中的与所述目标喜好标签向量对应的所述用户数据的课程计划列表。5.根据权利要求4所述的基于人工智能的课程推荐方法，其特征在于，所述根据所述参考用户数据中的课程收藏数据，确定课程收藏推荐数据的步骤之后，还包括：根据所述课程收藏推荐数据生成课程收藏推荐信息；将所述课程收藏推荐信息发送给所述目标客户端；获取所述目标客户端发送的课程收藏配置数据；根据所述课程收藏配置数...
【专利技术属性】
技术研发人员：严杨扬，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
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。