本申请公开了一种培训内容推荐方法及其装置、设备、介质。该方法包括：获取M个第一用户的历史行为数据；按照时间序列对每个第一用户的历史行为数据进行排序，得到M个历史行为序列；基于目标召回算法，从第一内容集合中获取与每个历史行为序列匹配的培训内容，得到与M个第一用户关联的M个第二内容集合；向目标排序模型输入每个第一用户的输入特征，以及与第一用户关联的第二内容集合，得到每个第一用户对关联的第二内容集合中每个培训内容的点击概率；基于每个第一用户对关联的第二内容集合中每个培训内容的点击概率，输出与每个第一用户匹配的待推荐内容。根据本申请实施例，能够更好地对企业的科技创新能力等级进行评价。更好地对企业的科技创新能力等级进行评价。更好地对企业的科技创新能力等级进行评价。
【技术实现步骤摘要】
培训内容推荐方法及其装置、设备、介质
[0001]本申请属于计算机
，尤其涉及一种培训内容推荐方法及其装置、设备、介质。
技术介绍
[0002]企业培训是指企业开展的一种为提高员工能力而实施的有计划、有系统的培养和训练活动，目前企业在为员工进行培训时，通常采用统一的培训方式，例如为数据分析岗位的相关员工培训时，培训内容均为统一书籍或视频课程。
[0003]相关技术中，传统的培训方式针对所有员工的培训内容大致相同，存在员工与培训内容的适配性不高，员工不感兴趣的情况。如此，无法调动员工学习的积极性，导致培训质量不高。
技术实现思路
[0004]本申请实施例提供一种培训内容推荐方法及其装置、设备、介质，能够解决如何更好地对企业的科技创新能力等级进行评价的问题。
[0005]第一方面，本申请实施例提供一种培训内容推荐该方法，该方法包括：获取M个第一用户的历史行为数据；按照时间序列对每个第一用户的历史行为数据进行排序，得到M个历史行为序列；基于目标召回算法，从第一内容集合中获取与每个历史行为序列匹配的培训内容，得到与M个第一用户关联的M个第二内容集合；向目标排序模型输入每个第一用户的输入特征，以及与第一用户关联的第二内容集合，得到每个第一用户对关联的第二内容集合中每个培训内容的点击概率，输入特征包括业务特征、项目特征、技能特征中的至少一项；基于每个第一用户对关联的第二内容集合中每个培训内容的点击概率，输出与每个第一用户匹配的待推荐内容。
[0006]在第一方面的一些可实现方式中，获取多个第一用户的历史行为数据，包括：基于目标数据埋点获取多个第一用户的历史行为数据；其中，目标数据埋点包括用户标识、历史行为类型、停留时长、培训内容、培训内容类别和事件时间，历史行为数据包括历史曝光行为数据和历史点击行为数据。
[0007]在第一方面的一些可实现方式中，目标召回算法包括词向量召回算法、协同过滤召回算法、标签召回算法中的至少一项，基于目标召回算法，从第一内容集合中获取与每个历史行为序列匹配的培训内容，包括以下至少一项：基于词向量召回算法和时间衰减权重，从第一内容集合中获取与每个历史行为序列匹配的培训内容；基于协同过滤召回算法和用户活跃度衰减权重，从第一内容集合中获取与每个历史行为序列匹配的培训内容；基于标签召回算法、时间衰减权重和频率衰减权重，从第一内容集合中获取与每个历史行为序列匹配的培训内容。
[0008]在第一方面的一些可实现方式中，方法还包括：获取多个第二用户的历史行为数据和输入特征；基于多个第二用户的历史行为数据和输入特征，构建训练样本数据；基于训
练样本数据对逻辑回归模型进行训练，得到目标排序模型。
[0009]在第一方面的一些可实现方式中，基于每个第一用户对关联的第二内容集合中每个培训内容的点击概率，输出与每个第一用户匹配的待推荐内容，包括：按照点击概率由高到低的顺序，输出与每个第一用户匹配的待推荐内容；其中，待推荐内容包括与第一用户关联的第二内容集合中的所有培训内容，或者，待推荐内容包括与第一用户关联的第二内容集合中的目标培训内容，目标培训内容的点击概率大于预设概率阈值。
[0010]在第一方面的一些可实现方式中，方法还包括：获取第三用户的输入特征；确定与第三用户的输入特征相似度大于预设相似度阈值的第一用户为第四用户；为第三用户推荐与第四用户匹配的待推荐内容。
[0011]第二方面，本申请实施例提供了一种培训内容推荐装置，该装置包括：获取模块，用于获取M个第一用户的历史行为数据；排序模块，用于按照时间序列对每个第一用户的历史行为数据进行排序，得到M个第一用户对应的M个历史行为序列；获取模块，还用于基于目标召回算法，从第一内容集合中获取与每个历史行为序列匹配的培训内容，得到与M个第一用户关联的M个第二内容集合；输入模块，用于向目标排序模型输入每个第一用户的输入特征，以及与第一用户关联的第二内容集合，得到每个第一用户对关联的第二内容集合中每个培训内容的点击概率，其中，输入特征包括业务特征、项目特征、技能特征中的至少一项；输出模块，用于基于每个第一用户对第二内容集合中每个培训内容的点击概率，输出与每个第一用户匹配的待推荐内容。
[0012]在第二方面的一些可实现方式中，获取模块具体用于包括：基于目标数据埋点获取多个第一用户的历史行为数据；其中，目标数据埋点包括用户标识、历史行为类型、停留时长、培训内容、培训内容类别和事件时间，历史行为数据包括历史曝光行为数据和历史点击行为数据。
[0013]在第二方面的一些可实现方式中，目标召回算法包括词向量召回算法、协同过滤召回算法、标签召回算法中的至少一项，获取模块具体用于以下至少一项：基于词向量召回算法和时间衰减权重，从第一内容集合中获取与每个历史行为序列匹配的培训内容；基于协同过滤召回算法和用户活跃度衰减权重，从第一内容集合中获取与每个历史行为序列匹配的培训内容；基于标签召回算法、时间衰减权重和频率衰减权重，从第一内容集合中获取与每个历史行为序列匹配的培训内容。
[0014]在第二方面的一些可实现方式中，装置还包括：获取模块，还用于获取多个第二用户的历史行为数据和输入特征；构建模块，用于基于多个第二用户的历史行为数据和输入特征，构建训练样本数据；模型训练模块，用于基于训练样本数据对逻辑回归模型进行训练，得到目标排序模型。
[0015]在第二方面的一些可实现方式中，输出模块具体用于：按照点击概率由高到低的顺序，输出与每个第一用户匹配的待推荐内容；其中，待推荐内容包括与第一用户关联的第二内容集合中的所有培训内容，或者，待推荐内容包括与第一用户关联的第二内容集合中的目标培训内容，目标培训内容的点击概率大于预设概率阈值。
[0016]在第二方面的一些可实现方式中，装置还包括：获取模块，还用于获取第三用户的输入特征；确定模块，还用于确定与第三用户的输入特征相似度大于预设相似度阈值的第一用户为第四用户；推荐模块，还用于为第三用户推荐与第四用户匹配的待推荐内容。
[0017]第三方面，本申请实施例提供了一种电子设备，该设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现如第一方面的任一项实施例中所示的培训内容推荐方法的步骤。
[0018]第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面的任一项实施例中所示的培训内容推荐方法的步骤。
[0019]第五方面，本申请实施例提供了一种计算机程序产品，程序产品被存储在非易失的存储介质中，程序产品被至少一个处理器执行以实现如第一方面的任一项实施例中所示的培训内容推荐方法的步骤。
[0020]本申请实施例的培训内容推荐方法、装置、设备、介质及产品，在获取M个第一用户的历史行为数据之后，按照时间序列对每个第一用户的历史行为数据进行排序，可以得到M个历史行为序列，每个历史行为序列可以反映对应用户的习惯偏好。在此基础上，基于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种培训内容推荐方法，其特征在于，所述方法包括：获取M个第一用户的历史行为数据；按照时间序列对每个第一用户的历史行为数据进行排序，得到M个第一用户对应的M个历史行为序列；基于目标召回算法，从第一内容集合中获取与每个历史行为序列匹配的培训内容，得到与所述M个第一用户关联的M个第二内容集合；向目标排序模型输入每个第一用户的输入特征，以及与所述第一用户关联的第二内容集合，得到所述每个第一用户对关联的第二内容集合中每个培训内容的点击概率，其中，所述输入特征包括业务特征、项目特征、技能特征中的至少一项；基于所述每个第一用户对关联的所述第二内容集合中每个培训内容的点击概率，输出与所述每个第一用户匹配的待推荐内容。2.根据权利要求1所述的方法，其特征在于，所述获取多个第一用户的历史行为数据，包括：基于目标数据埋点获取所述多个第一用户的历史行为数据；其中，所述目标数据埋点包括用户标识、历史行为类型、停留时长、培训内容、培训内容类别和事件时间，所述历史行为数据包括历史曝光行为数据和历史点击行为数据。3.根据权利要求1所述的方法，其特征在于，所述目标召回算法包括词向量召回算法、协同过滤召回算法、标签召回算法中的至少一项，所述基于目标召回算法，从第一内容集合中获取与每个历史行为序列匹配的培训内容，包括以下至少一项：基于所述词向量召回算法和时间衰减权重，从第一内容集合中获取与每个历史行为序列匹配的培训内容；基于所述协同过滤召回算法和用户活跃度衰减权重，从第一内容集合中获取与每个历史行为序列匹配的培训内容；基于所述标签召回算法、时间衰减权重和频率衰减权重，从第一内容集合中获取与每个历史行为序列匹配的培训内容。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多个第二用户的历史行为数据和输入特征；基于多个第二用户的历史行为数据和输入特征，构建训练样本数据；基于所述训练样本数据对逻辑回归模型进行训练，得到所述目标排序模型。5.根据权利要求1所述的方法，其特征在于，所述基于所述每个第一用户对关联的第二内容集合中每个培训内容的点击概率，输出与所述每个第一用户匹配的待推荐内容...
【专利技术属性】
技术研发人员：张振强，薛飞，王俐，刘水泉，魏聪惠，王怡冰，叶敏，连维淞，
申请(专利权)人：建信金融科技有限责任公司，
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。