课程推荐模型的训练方法、课程推荐方法及装置制造方法及图纸

本公开提供了一种课程推荐模型的训练方法、课程推荐方法及装置，涉及人工智能技术领域中的大数据和深度学习领域，可以应用于推荐场景，训练方法包括：获取样本数据集合，样本数据集合中包括用户学习数据，用户学习数据包括记录数据和能力标签数据，记录数据用于表征样本用户的历史学习过程，能力标签数据用于表征样本用户的学习能力等级，根据用户学习数据，训练生成课程推荐模型，其中，课程推荐模型用于为用户推荐课程，避免了相关技术中无法满足用户的个性化需求、可靠性偏低的弊端，以通过结合能力标签数据为用户推荐课程，实现了结合用户的学习能力为用户推荐课程，满足了用户的个性化需求，提高了课程推荐的可靠性和准确性的技术效果。的技术效果。的技术效果。

【技术实现步骤摘要】
课程推荐模型的训练方法、课程推荐方法及装置


[0001]本公开涉及人工智能
中的大数据和深度学习领域，可以应用于推荐场景，尤其涉及一种课程推荐模型的训练方法、课程推荐方法及装置。

技术介绍

[0002]智能课程推荐技术是指，在学习管理系统中向使用系统的学习者推荐适合自身学习的个性化课程推荐技术，如何提高课程推荐的准确性成了亟待解决的问题。
[0003]在现有技术中，采用课程先后序关系的课程推荐技术实现课程的推荐。其中，可课程先后序关系指的是一门课程是另一门课程的前置课程或后置课程，通常这种先后序关系由教育领域专家负责标注，当用户选了某门课程后，就可以向其推荐这门课的前置课程或后置课程。
[0004]然而，采用课程先后序关系的推荐方法，需要强依赖于专家的标注质量，而人工标注需要花费大量的金钱和人力，且精准度也偏低。

技术实现思路

[0005]本公开提供了一种用于提高课程推荐的准确性的课程推荐模型的训练方法、课程推荐方法及装置。
[0006]根据本公开的第一方面，提供了一种课程推荐模型的训练方法，包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种课程推荐模型的训练方法，包括：获取样本数据集合，其中，所述样本数据集合中包括用户学习数据，所述用户学习数据包括记录数据和能力标签数据，所述记录数据用于表征样本用户的历史学习过程，所述能力标签数据用于表征样本用户的学习能力等级；根据所述用户学习数据，训练生成课程推荐模型，其中，所述课程推荐模型用于为用户推荐课程。2.根据权利要求1所述的方法，其中，根据所述用户学习数据，训练生成课程推荐模型，包括：若样本用户具有能力标签数据，则根据样本用户的能力标签数据，确定样本用户的能力预测信息，其中，所述能力预测信息表征样本用户针对课程的学习能力；根据样本用户的能力预测信息和记录数据，确定样本用户的学习迁移信息，所述学习迁移信息表征样本用户的学习变更情况；根据样本用户的能力预测信息和学习迁移信息，训练生成所述课程推荐模型。3.根据权利要求2所述的方法，还包括：若样本用户不具有能力标签数据，则根据与当前的样本用户相似的其他样本用户的能力标签数据和记录数据、以及当前的样本用户的记录数据，确定当前的样本用户的能力预测信息。4.根据权利要求3所述的方法，其中，根据与当前的样本用户相似的其他样本用户的能力标签数据和记录数据、以及当前的样本用户的记录数据，确定当前的样本用户的能力预测信息，包括：根据当前的样本用户的记录数据提取与学习能力相关的信息；根据其他样本用户的记录数据和能力标签数据、当前的样本用户的记录数据、以及提取到的与学习能力相关的信息，确定当前的样本用户的能力预测信息。5.根据权利要求4所述的方法，其中，根据其他样本用户的记录数据和能力标签数据、当前的样本用户的记录数据、以及提取到的与学习能力相关的信息，确定当前的样本用户的能力预测信息，包括：根据其他样本用户的记录数据、当前的样本用户的记录数据、以及提取到的与学习能力相关的信息，确定其他样本用户对当前的样本用户的注意力影响信息，其中，注意力影响信息用于表征其他样本用户的能力标签数据对当前的样本用户的能力标签数据的影响关系；根据所述注意力影响信息和其他样本用户的能力标签数据，确定当前的样本用户的能力预测信息。6.根据权利要求5所述的方法，其中，根据所述注意力影响信息和其他样本用户的能力标签数据，确定当前的样本用户的能力预测信息，包括：根据其他样本用户的能力标签数据确定其他样本用户的能力预测信息；根据所述注意力影响信息和其他样本用户的能力预测信息，确定当前的样本用户的能力预测信息。7.根据权利要求2
‑
6中任一项所述的方法，其中，根据样本用户的能力预测信息和记录数据，确定样本用户的学习迁移信息，包括：
根据所述能力预测信息确定样本用户在各学习任务下的学习迁移需求信息，并根据所述记录数据和所述学习迁移需求信息，确定样本用户的学习迁移信息。8.根据权利要求7所述的方法，其中，根据所述能力预测信息确定样本用户在各学习任务下的学习迁移需求信息，包括：获取在各学习任务下，不同学习任务之间的迁移信息，并根据所述迁移信息和所述能力预测信息确定样本用户的学习迁移需求信息。9.根据权利要求2
‑
8中任一项所述的方法，其中，根据样本用户的能力预测信息和学习迁移信息，训练生成所述课程推荐模型，包括：对样本用户的能力预测信息进行解码处理，得到所述能力标签数据的概率分布信息；根据所述概率分布信息确定所述能力标签数据的损失函数，并根据样本用户的学习迁移信息确定所述记录数据的损失函数；根据所述能力标签数据的损失函数、以及所述记录数据的损失函数训练生成所述课程推荐模型。10.根据权利要求2
‑
9中任一项所述的方法，其中，根据样本用户的能力标签数据，确定样本用户的能力预测信息，包括：对样本用户的能力标签数据进行编码处理，得到编码信息；对所述编码信息进行全连接处理，得到均值信息和方差信息，并对所述均值信息和方差信息进行采样处理，得到样本用户的能力预测信息。11.一种课程推荐方法，包括：获取用户的学习数据；将所述学习数据输入至预先训练的课程推荐模型，输出为所述用户推荐的课程，其中，所述课程推荐模型是基于如权利要求1
‑
10中任一项所述的方法训练生成的。12.根据权利要求11所述的方法，其中，若所述学习数据中包括记录数据但不包括能力标签数据，则将所述学习数据输入至预先训练的课程推荐模型，输出为所述用户推荐的课程，包括：根据所述记录数据确定所述用户的能力标签数据，并根据所述记录数据和所述用户的能力标签数据确定所述用户的学习特征；将所述用户的学习特征输入至所述课程推荐模型，输出为所述用户推荐的课程。13.一种课程推荐模型的训练装置，包括：第一获取单元，用于获取样本数据集合，其中，所述样本数据集合中包括用户学习数据，所述用户学习数据包括记录数据和能力标签数据，所述记录数据用于表征样本用户的历史学习过程，所述能力标签数据用于表征样本用户的学习能力等级；训练单元，用于根据所述用户学习数据，训练生成课程推荐模型，其中，所述课程推荐模型用于为用户推荐课程。14.根据权利要求13所述的装置，其中，所述训练单元，...

【专利技术属性】
技术研发人员：王超，祝恒书，王鹏，宋欣，熊辉，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：