线上学习平台的课程推荐方法、装置、设备及存储介质制造方法及图纸

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。该方法包括：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，从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，获取角色类别信息，当角色类别缺失时，获取目标用户的属性信息，根据目标用户的属性信息、用户的角色类别集以及用户角色相关属性信息集，通过贝叶斯分类法确定目标用户的角色类别信息，根据目标用户的角色类别信息，筛选候选课程数据，将候选课程数据推荐给目标用户。本申请的方法，提高了课程推荐的准确性及效率。率。率。

【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；
[0010]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。
[0011]第二方面，本申请提供一种网上学习平台用户岗位确定装置，包括：
[0012]获取模块，用于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，所述属性信息类别中包括多个子属性信息，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；
[0013]生成模块，用于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；
[0014]推荐模块，用于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。
[0015]第三方面，本申请提供一种网上学习平台用户岗位确定设备，包括：
[0016]处理器，存储器，通信接口；
[0017]所述存储器用于存储所述处理器的可执行指令；
[0018]其中，所述处理器配置为经由执行所述可执行指令来执行如上第一方面所述的线上学习平台的课程推荐方法。
[0019]第四方面，本申请提供一种可读存储介质，包括：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执行如上第一方面所述的线上学习平台的课程推荐方法。
[0020]本申请提供的线上学习平台的课程推荐方法、装置、设备及存储介质，通过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，用户的属性信息集中包括多个属性信息类别，用户的角色类别集中包括多个角色类别信息。属性信息包括：除去角色类别信息的自然属性信息以及历史学习信息，从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，获取目标用户的角色类别信息，根据目标用户的角色类别信息，从线上学习平台数据库中筛选候选课程数据，将候选课程数据推荐给目标用户；当目标用户角色类别缺失时，获取目标用户的属性信息，根据目标用户的属性信息、用户的角色类别集以及用户角色相关属性信息集，通过贝叶斯分类法确定目标用户的角色类别信息，根据目标用户的角色类别信息，从线上学习平台数据库中筛选候选课程数据，将候选课程数据推荐给目标用户。其中，用户角色类别信息是指对于用户的平台课程选择来说起代表性作用的用户基本属性信息，本申请通过角色类型未缺失用户的角色类别信息为目标用户推荐课程，提高了课程推荐的准确性，本申请通过贝叶斯分类法确定角色类型缺失用户的角色类别信息，进一步为目标用户推荐课程，提高了课程推荐的准确性及效率。
附图说明
[0021]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0022]图1为本申请实施例提供的线上学习平台的课程推荐方法的流程示意图；
[0023]图2为本申请实施例提供的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的流程示意图；
[0024]图3为本申请实施例提供的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的流程示意图；
[0025]图4为本申请实施例提供的一种线上学习平台的课程推荐装置的结构示意图；
[0026]图5为本申请实施例提供的另一种线上学习平台的课程推荐装置的结构示意图；
[0027]图6为本申请实施例提供的一种线上学习平台的课程推荐设备的结构示意图。
[0028]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0029]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0030]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。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。
[0031]本申请通过从线上学习平台数据库中获取用户的本文档来自技高网...

【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：