本发明涉及数据分析领域,尤其涉及一种基于移动互联网的在线培训课程推荐方法及系统。
背景技术:
1、在线培训是指在线培训是将网络技术应用于人力资源开发领域而创造出来的一种培训方法和形式,在线培训课程推荐可以有效的对需要在线培训的学生进行针对性课程推荐,提高学习学生的学习效率。
2、目前在线培训课程推荐主要是通过检索培训人员日常学习课程,在向培训人员推荐类似课程,这种推荐方法可能会推荐培训人员已经掌握或者与培训人员学习能力相差较大的培训内容,导致推荐的不够精准。
技术实现思路
1、为了解决上述问题,本发明提供了一种基于移动互联网的在线培训课程推荐方法及系统,可以提高对所述待推荐用户在线课程推荐的准确性。
2、第一方面,本发明提供了一种基于移动互联网的在线培训课程推荐方法及系统,包括:
3、获取待推荐课程,对所述待推荐课程进行课程分类,得到分类课程,利用训练好的命名实体识别模型将所述分类课程进行实体命名,得到命名实体课程;
4、对所述命名实体课程进行关系抽取,得到实体关系课程,构建所述实体关系课程的课程知识图谱;
5、获取待推荐用户,检索所述待推荐用户的历史学习记录,提取所述历史学习记录中所述待推荐用户的已学习课程和课程学习成绩,计算所述学习课程的课程学习完成度,根据所述课程学习完成度,分析所述待推荐用户的偏好课程;
6、分析所述偏好课程的课程特征,构建所述课程特征的特征向量,根据所述课程学习成绩,计算所述待推荐用户的学习能力;
7、根据所述特征向量,利用所述课程知识图谱的推荐网络对所述偏好课程进行推荐,得到推荐课程,根据所述学习能力,利用所述课程知识图谱的决策网络计算所述待推荐用户对所述推荐课程的课程适合度;
8、根据所述课程适合度,确定所述待推荐用户的目标推荐课程,通过所述目标推荐课程,执行所述待推荐用户的课程推荐。
9、在第一方面的一种可能实现方式中,所述利用训练好的命名实体识别模型将所述分类课程进行实体命名,得到命名实体课程,包括:
10、利用所述命名实体识别模型中的挖掘网络挖掘所述分类课程中的课程属性;
11、利用所述命名实体识别模型中的解析网络解析所述课程关系的属性特征;
12、根据所述属性特征,利用所述命名实体识别模型中的语义网络分析所述分类课程的课程关键语义;
13、利用所述命名实体识别模型中映射网络将预设的命名实体与所述课程关键语义进行映射,得到所述命名实体课程。
14、在第一方面的一种可能实现方式中,所述对所述命名实体课程进行关系抽取,得到实体关系课程,包括:
15、提取所述实体关系课程的课程实体;
16、对所述行业实体进行关联,得到关联实体;
17、计算所述关联实体的关联值;
18、根据所述关联值,分析所述命名实体课程的实体关系,得到所述实体关系课程。
19、在第一方面的一种可能实现方式中,所述计算所述关联实体的关联值,包括:
20、构建所述关联实体的关联图;
21、根据所述关联图,利用下述公式计算所述关联实体的关联值:
22、
23、其中,表示关联值;wc表示输入的关联实体;表示第a个关联图,和分别表示第a层卷积层的卷积核和偏置,ssctr表示关联函数。
24、根据权利要求1所述的方法,其特征在于,所述计算所述学习课程的课程学习完成度,包括:
25、识别所述学习课程的课程课时和当前完成课时;
26、在第一方面的一种可能实现方式中,利用下述公式计算所述学习课程的课程学习完成度:
27、
28、其中,表示课程学习完成度,表示待推荐用户对学习课程的兴趣度归一化函数,e表示学习课程的课程实体,p1表示当前完成课时,p2表示课程课时。
29、在第一方面的一种可能实现方式中,所述根据所述课程学习完成度,分析所述待推荐用户的偏好课程,包括:
30、通过所述课程学习完成度,利用下述公式计算所述待推荐用户对该课程的兴趣度:
31、
32、其中,xqdo表示兴趣度,cop表示个性化兴趣捕捉器,e表示学习课程的课程实体,表示课程学习完成度,θ表示正则参数;
33、根据所述兴趣度,分析所述待推荐用户的偏好课程。
34、在第一方面的一种可能实现方式中,所述构建所述课程特征的特征向量,包括:
35、构建所述课程特征的特征矩阵;
36、计算所述特征矩阵的特征值;
37、根据所述特征矩阵和所述特征值,利用下述公式计算所述课程特征的特征向量:
38、ad=bd
39、其中,a表示特征矩阵,b表示特征值,d表示特征向量。
40、在第一方面的一种可能实现方式中,所述根据所述特征向量,利用所述课程知识图谱的推荐网络对所述偏好课程进行推荐,得到推荐课程,包括:
41、利用所述推荐网络的映射层对所述特征向量进行映射,得到图谱映射节点;
42、利用所述推荐网络的范围层识别所述图谱映射节点的节点范围;
43、根据所述节点范围,利用所述推荐网络的推荐层对所述偏好课程进行推荐,得到所述推荐课程。
44、在第一方面的一种可能实现方式中,所述根据所述学习能力,利用所述课程知识图谱的决策网络计算所述待推荐用户对所述推荐课程的课程适合度,包括:
45、利用所述决策网络的解析层分析所述推荐课程的课程难度;
46、根据所述课程难度和所述述学习能力,利用下述计算公式计算所述待推荐用户对所述推荐课程的课程适合度:
47、
48、其中,aggsu'm表示课程适合度,∈表示推理函数,m表示学习能力,jv表示第v个推荐课程,表示第v个推荐课程在图谱中的位置,o表示课程难度。
49、第二方面,本发明提供了一种基于移动互联网的在线培训课程推荐系统及装置,所述装置包括:
50、实体命名模块,用于获取待推荐课程,对所述待推荐课程进行课程分类,得到分类课程,利用训练好的命名实体识别模型将所述分类课程进行实体命名,得到命名实体课程;
51、关系抽取模块,用于对所述命名实体课程进行关系抽取,得到实体关系课程,构建所述实体关系课程的课程知识图谱;
52、偏好课程分析模块,用于获取待推荐用户,检索所述待推荐用户的历史学习记录,提取所述历史学习记录中所述待推荐用户的已学习课程和课程学习成绩,计算所述学习课程的课程学习完成度,根据所述课程学习完成度,分析所述待推荐用户的偏好课程;
53、学习能力计算模块,用于分析所述偏好课程的课程特征,构建所述课程特征的特征向量,根据所述课程学习成绩,计算所述待推荐用户的学习能力;
54、课程适合度计算模块,用于根据所述特征向量,利用所述课程知识图谱的推荐网络对所述偏好课程进行推荐,得到推荐课程,根据所述学习能力,利用所述课程知识图谱的决策网络计算所述待推荐用户对所述推荐课程的课程适合度;
55、课程推荐模块,用于根据所述课程适合度,确定所述待推荐用户的目标推荐课程,通过所述目标推荐课程,执行所述待推荐用户的课程推荐。
56、与现有技术相比,本方案的技术原理及有益效果在于:
57、本发明实施例通过对所述待推荐课程进行课程分类,得到分类课程可以根据课程不同的类型更好的进行课程分析,提高课程的处理效率。进一步地,本发明实施例通过构建所述实体关系课程的课程知识图谱可以让推荐的课程更加具有针对性,提高对用户在线课程推荐的准确性。进一步地,本发明实施例通过提取所述历史学习记录中所述待推荐用户的已学习课程和课程学习成绩来可以明确所述待推荐用户的日常学习状态,从而提高所述待推荐用户在线课程推荐的准确性。进一步地,本发明实施例通过根据所述课程学习完成度,分析所述待推荐用户的偏好课程可以根据所述偏好课程更加精确对所述待推荐用户在线课程的推荐范围。本发明实施例通过分析所述偏好课程的课程特征可以对所述待推荐用户的偏好课程进行分析可以了解所述待推荐用户的学习兴趣,从而提高对所述带推荐用户在线课程推荐的准确性。再次,本发明实施例通过根据所述特征向量,利用所述课程知识图谱的推荐网络对所述偏好课程进行推荐,得到推荐课程可以得到所述待推荐用户相对感兴趣的课程,提高在线推荐课程的选择效率。最后,本发明实施例通过根据所述课程适合度,确定所述待推荐用户的目标推荐课程可以精确的确定所述待推荐用户所需要的课程,提高对所述待推荐用户在线课程推荐的准确性。因此,本发明实施例提出的一种基于移动互联网的在线培训课程推荐方法和系统及装置,可以提高对所述待推荐用户在线课程推荐的准确性。