【技术实现步骤摘要】
线上学习平台的课程推荐方法、装置、设备及存储介质
[0001]本申请涉及网络
,尤其涉及一种线上学习平台的课程推荐方法、装置、设备及存储介质。
技术介绍
[0002]线上网络学习平台为用户提供培训学习服务的过程中,精准化的学习推荐是平台运营的一个主要内容。为了给用户精准推送符合学习需求的课程内容,用户的自然属性信息以及历史学习信息是非常重要的参考数据。
[0003]为了向目标用户推荐合适的课程,现有技术采用根据用户的自然属性信息以及历史学习信息进行目标课程预估的方式向目标用户推荐课程。
[0004]然而,用户在进行登录时输入的自然属性信息不全,或对于新登录的用户,尚无历史学习信息等问题,会导致课程推荐的准确性降低。
技术实现思路
[0005]本申请提供一种线上学习平台的课程推荐方法、装置、设备及存储介质,用以解决用户岗位确定效率低以及准确性低的问题。
[0006]第一方面,本申请提供一种线上学习平台的课程推荐方法,包括:
[0007]从线上学习平台数据库中获取用户的属性信息集以及角色类别集,所述用户的属性信息集中包括多个属性信息类别,所述用户的角色类别集中包括多个角色类别信息,所述属性信息包括:除去所述角色类别信息的自然属性信息以及历史学习信息;
[0008]从所述用户的属性信息集中抽取与用户角色类别信息相关的属性,生成用户的角色相关属性信息集;
[0009]当目标用户的角色类别信息未缺失时,获取所述目标用户的角色类别信息,根据所述目标用户的角色类 ...
【技术保护点】
【技术特征摘要】
1.一种线上学习平台的课程推荐方法,其特征在于,包括:从线上学习平台数据库中获取用户的属性信息集以及角色类别集,所述用户的属性信息集中包括多个属性信息类别,所述用户的角色类别集中包括多个角色类别信息,所述属性信息包括:除去所述角色类别信息的自然属性信息以及历史学习信息;从所述用户的属性信息集中抽取与用户角色类别信息相关的属性,生成用户的角色相关属性信息集;当目标用户的角色类别信息未缺失时,获取所述目标用户的角色类别信息,根据所述目标用户的角色类别信息,从所述线上学习平台数据库中筛选候选课程数据,将所述候选课程数据推荐给所述目标用户;当所述目标用户角色类别缺失时,获取所述目标用户的属性信息,根据所述目标用户的属性信息、所述用户的角色类别集以及所述用户角色相关属性信息集,通过贝叶斯分类法确定所述目标用户的角色类别信息,根据所述目标用户的角色类别信息,从所述线上学习平台数据库中筛选候选课程数据,将所述候选课程数据推荐给所述目标用户。2.根据权利要求1所述的方法,其特征在于,所述从所述用户的属性信息集中抽取与用户角色类别信息相关的属性,生成用户角色相关属性信息集,包括:从所述用户的属性信息集中直接抽取用户角色相关属性信息集的第一属性元素组;获取多个用户的自然属性信息以及历史学习信息,根据所述多个用户的自然属性信息、所述多个用户的历史学习信息、所述用户的属性集以及所述用户的角色类别集,从所述用户的属性信息集中抽取所述用户角色相关属性信息集的第二属性元素组;将所述第一属性元素组与所述第二属性元素组进行合并,生成所述用户角色相关属性信息集。3.根据权利要求2所述的方法,其特征在于,所述属性信息类别中包括多个子属性信息,所述根据所述多个用户的自然属性信息、所述多个用户的历史学习信息、所述用户的属性集以及所述用户的角色类别集,从所述用户的属性信息集中抽取所述用户角色相关属性信息集的第二属性元素组,包括:根据所述多个用户的自然属性信息以及所述多个用户的历史学习信息,构建事务集,所述事务集为所述多个用户的全部信息的集合;根据所述用户的属性集,构建多个项,不同项用于标记同一属性信息类别下的不同子属性信息;根据所述用户的角色类别集以及多个所述项,构建多个项集;根据所述事务集以及多个所述项集,计算多个所述项集的置信度;根据多个所述项集的置信度,从所述用户的属性信息集中抽取所述用户角色相关属性信息集的第二属性元素组。4.根据权利要求3所述的方法,其特征在于,所述根据多个所述项集的置信度,从所述用户的属性信息集中抽取所述用户角色相关属性信息集的第二属性元素组,包括:根据所述用户的属性信息集设置多个项集的置信度阈值;当所述项集的置信度大于所述项集的置信度对应的所述项集的置信度阈值时,将所述项集的置信度在所述用户属性集中对应的所述属性信息类别设置为用户角色相关属性信息集的第二属性元素;
将所有的所述用户角色相关属性信息集的第二属性元素进行合并,构成所述用户角色相关属性信息集的第二属性元素组。5.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户的...
【专利技术属性】
技术研发人员:李素粉,赵健东,
申请(专利权)人:中国联合网络通信集团有限公司,
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。