候选用户的自动推荐方法、设备及介质与流程

本技术涉及数据处理，尤其涉及一种候选用户的自动推荐方法、设备及介质。

背景技术：

1、教学过程中教师为提高学生的学习兴趣以及增添教学乐趣，可以通过设置丰富的奖项来激励学生积极参与学习竞赛，从而达到提升学生内驱力的目的，因此，确定获奖人员显得尤为重要。

2、现有技术中，通常基于教师个人的主观意向来选择获奖人选，手动进行奖项颁发。教师手动颁发奖项不仅需要大量时间和精力，工作效率低，且容易出现疏漏或主观偏差等问题，可能无法确保奖项颁发的客观性和准确性，从而无法真正激励学生的学习动力。

3、因此，需要一种能够提高奖项颁发效率，并且确保奖项颁发的客观性和准确性的候选用户的自动推荐方案。

技术实现思路

1、本技术提供一种候选用户的自动推荐方法、设备及介质，用以解决现有的奖项颁发效率低，且无法保证奖项颁发的客观性和准确性的技术问题。

2、第一方面，本技术提供一种候选用户的自动推荐方法，包括：

3、接收待推荐奖项的处理请求，所述待推荐奖项的处理请求包括待推荐奖项的奖项类型以及推荐信息，所述推荐信息包括所述待推荐奖项的参与级别、时间范围以及颁发人数；

4、将待推荐奖项的奖项类型以及推荐信息输入至自动推荐模型中，所述自动推荐模型包括维度权重确定模块、评价指标计算模块以及自动推荐模块；

5、所述维度权重确定模块用于确定所述奖项类型对应的评价维度，以及各维度对应的维度权重值；

6、所述评价指标计算模块用于根据所述待推荐奖项的参与级别确定待选个体，并根据参与级别、时间范围以及评价维度，确定每一个体对应的系统数据，所述系统数据包括第一标签和第二标签，所述第一标签为参与级别标签，所述第二标签为所属维度标签；

7、所述评价指标计算模块还用于根据每一个体对应的系统数据以及各维度对应的维度权重值，计算得到每一个体在各维度的评价指标；

8、所述自动推荐模块用于根据每一个体在各维度的评价指标以及所述颁发人数，确定所述待推荐奖项对应的候选用户。

9、在一种可能的实施方式中，所述确定所述奖项类型对应的评价维度，以及各维度对应的维度权重值，具体包括：

10、判断所述奖项类型是否为已经颁发过的历史类型；

11、若是，则根据历史记录确定所述奖项类型对应的评价维度，以及各维度对应的维度权重值；

12、若否，则待推荐奖项的处理请求中的评价维度，以及各维度对应的维度数据；判断所述维度的数目是否大于1，如果大于1，则根据各维度对应的维度数据，并利用层次分析算法计算得到各维度对应的维度权重值；如果不大于1，则根据预设的维度占比，确定所述处理请求中的第一维度的维度数据，并根据剩余的维度占比的均值，确定除第一维度之外的各第二维度的维度数据；根据第一维度的维度数据以及各第二维度的维度数据，利用层次分析算法计算得到各维度对应的维度权重值。

13、在一种可能的实施方式中，所述根据各维度对应的维度数据，并利用层次分析算法计算得到各维度对应的维度权重值，具体包括：

14、根据各维度对应的维度数据，构建对应的判断矩阵，所述判断矩阵的阶层数为维度数目；

15、利用层次分析算法对所述判断矩阵进行计算，以得到最大特征根、ci值以及各维度对应的初始权重值；

16、根据最大特征根以及ci值对各维度对应的初始权重值进行一致性检验分析；

17、若检验通过，则根据各维度对应的初始权重值，确定各维度对应的维度权重值；

18、若检验不通过，则输出维度数据错误提示信息，以指示用户重新输入各维度对应的维度数据。

19、在一种可能的实施方式中，所述根据每一个体对应的系统数据以及各维度对应的维度权重值，计算得到每一个体在各维度的评价指标，具体包括：

20、根据第二标签，确定每一个体的各系统数据所属的维度；

21、对于每一维度的系统数据，

22、根据所述维度的数据类别确定所述维度的各系统数据对应的指标类型，所述指标类型包括极大型指标和极小型指标；

23、对于极小型指标的每一数据类别，确定所述数据类别的各系统数据中的最大值，并根据所述最大值对所述数据类别中的各系统数据进行正向化处理，以得到所述数据类别的正向化数据；

24、利用下列公式，计算得到每一个体在各数据类别的标准值：

25、

26、其中，zij表示第i个个体在第j个数据类别的标准值，xij第i个个体在第j个数据类别的系统数据或者正向化数据，n表示个体的数目；

27、根据每一个体在各数据类别的标准值，以及所述维度对应的维度权重值，计算得到每一个体在所述维度的评价指标。

28、在一种可能的实施方式中，所述根据每一个体在各数据类别的标准值，以及所述维度对应的维度权重值，计算得到每一个体在所述维度的评价指标，具体包括：

29、确定每一数据类别对应的标准值中的最大值和最小值，并利用下列公式计算得到每一个体与最大值之间的第一距离，和与最小值之间的第二距离：

30、

31、

32、其中，表示第i个个体与最大值之间的第一距离，表示第i个个体与最小值之间的第二距离，表示第j个数据类别的标准值中的最大值，表示第j个数据类别的标准值中的最小值，wj表示第j个数据类别所属维度的维度权重值，m表示所述维度的数据类别的数目；

33、利用下列公式计算得到每一个体在所述维度的评价指标：

34、

35、其中，ci表示第i个个体在所述维度的评价指标。

36、在一种可能的实施方式中，在所述根据每一个体在各维度的评价指标以及所述颁发人数，确定所述奖项类型对应的候选用户之前，还包括：

37、对于每一个体，

38、确定所述个体的历史获奖记录中，是否存在所述奖项类型的获奖记录；

39、若是，则确定所述奖项类型的难度系数；

40、若否，则根据所述奖项类型对应的评价维度以及各维度对应的维度权重值，利用相似度算法计算所述奖项类型与各历史类型之间的相似度，以确定历史类型中是否存在相似度大于相似度阈值的目标类型；若不存在，则执行所述根据每一个体在各维度的评价指标以及所述颁发人数，确定所述奖项类型对应的候选用户的步骤；若存在，则确定所述目标类型的难度系数；

41、利用下列公式，根据所述奖项类型或者所述目标类型的难度系数，对所述个体在各维度的评价指标进行矫正，以得到所述个体在各维度的最终评价指标：

42、

43、wti＝1×exp(-(0.1/a)×(bi))

44、其中，表示第i个个体在第x个维度的最终评价指标，cix表示第i个个体在第x个维度的评价指标，wti表示第i个个体的矫正值，a表示所述奖项类型或者所述目标类型的难度系数，bi表示第i个个体对所述奖项类型或者所述目标类型的获奖次数；

45、相应的，所述根据每一个体在各维度的评价指标以及所述颁发人数，确定所述奖项类型对应的候选用户，包括：

46、根据每一个体在各维度的最终评价指标以及所述颁发人数，确定所述奖项类型对应的候选用户；

47、其中，所述奖项类型或者所述目标类型的难度系数是通过下列方式获得的：利用第一预设簇数量以及预设簇维度，对全部个体的历史获奖记录进行聚类，以确定所述奖项类型或者所述目标类型所在的目标簇，并根据所述目标簇的簇属性确定对应的难度系数，所述预设簇维度包括奖项颁发频率、颁发人数以及参与人数。

48、在一种可能的实施方式中，所述根据每一个体在各维度的最终评价指标以及所述颁发人数，确定所述奖项类型对应的候选用户，具体包括：

49、对于每一个体，对所述个体在各维度的最终评价指标进行加和处理，以得到所述个体的推荐评分；按照推荐评分由高到底的顺序，对每一个体的推荐评分进行排序，以生成评分序列；根据所述颁发人数选取所述评分序列中排序靠前的第一目标个体，并根据所述第一目标个体确定所述奖项类型对应的候选用户；

50、或者，

51、根据第二预设簇数量，对每一个体在各维度的最终评价指标进行聚类，以确定每一个体的所属簇以所属簇的优先级；确定优先级最高的簇中的第一个体数目，并判断第一个体数目是否小于所述颁发人数；如果小于，则对优先级第二高的簇中的每一个体，对所述个体在各维度的最终评价指标进行加和处理，以得到所述个体的推荐评分；按照推荐评分由高到底的顺序，对每一个体的推荐评分进行排序，以生成评分序列；根据所述颁发人数与第一个体数目之间的差值选取所述评分序列中排序靠前的第二目标个体，并根据优先级最高的簇中的个体，以及所述第二目标个体确定所述奖项类型对应的候选用户；如果不小于，则对优先级最高的簇中的每一个体，对所述个体在各维度的最终评价指标进行加和处理，以得到所述个体的推荐评分；按照推荐评分由高到底的顺序，对每一个体的推荐评分进行排序，以生成评分序列；根据所述颁发人数选取所述评分序列中排序靠前的第三目标个体，并根据所述第三目标个体确定所述奖项类型对应的候选用户；确定并输出每一候选用户所属簇的优先级。

52、第二方面，本技术提供一种电子设备，包括：

53、接收模块，用于接收待推荐奖项的处理请求，所述待推荐奖项的处理请求包括待推荐奖项的奖项类型以及推荐信息，所述推荐信息包括所述待推荐奖项的参与级别、时间范围以及颁发人数；

54、处理模块，用于将待推荐奖项的奖项类型以及推荐信息输入至自动推荐模型中，所述自动推荐模型包括维度权重确定模块、评价指标计算模块以及自动推荐模块；所述维度权重确定模块用于确定所述奖项类型对应的评价维度，以及各维度对应的维度权重值；所述评价指标计算模块用于根据所述待推荐奖项的参与级别确定待选个体，并根据参与级别、时间范围以及评价维度，确定每一个体对应的系统数据，所述系统数据包括第一标签和第二标签，所述第一标签为参与级别标签，所述第二标签为所属维度标签；所述评价指标计算模块还用于根据每一个体对应的系统数据以及各维度对应的维度权重值，计算得到每一个体在各维度的评价指标；所述自动推荐模块用于根据每一个体在各维度的评价指标以及所述颁发人数，确定所述待推荐奖项对应的候选用户。

55、第三方面，本技术提供另一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

56、所述存储器存储计算机执行指令；

57、所述处理器执行所述存储器存储的计算机执行指令，以实现上述的方法。

58、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现上述的方法。

59、第五方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法。

60、本技术提供的候选用户的自动推荐方法、设备及介质，可以接收待推荐奖项的处理请求，待推荐奖项的处理请求包括待推荐奖项的奖项类型以及推荐信息，推荐信息包括待推荐奖项的参与级别、时间范围以及颁发人数；将待推荐奖项的奖项类型以及推荐信息输入至自动推荐模型中，自动推荐模型包括维度权重确定模块、评价指标计算模块以及自动推荐模块；维度权重确定模块用于确定奖项类型对应的评价维度，以及各维度对应的维度权重值；评价指标计算模块用于根据待推荐奖项的参与级别确定待选个体，并根据参与级别、时间范围以及评价维度，确定每一个体对应的系统数据，系统数据包括第一标签和第二标签，第一标签为参与级别标签，第二标签为所属维度标签；评价指标计算模块还用于根据每一个体对应的系统数据以及各维度对应的维度权重值，计算得到每一个体在各维度的评价指标；自动推荐模块用于根据每一个体在各维度的评价指标以及颁发人数，确定待推荐奖项对应的候选用户。本技术的方法，提供了一种自动化的候选用户的推荐方法，在接收到教师发送的待推荐奖项的处理请求之后，即可根据处理请求中的待推荐奖项的奖项类型以及推荐信息，利用自动推荐模型进行待推荐奖项的候选用户的自动推荐。通过这样的设置，不再需要教师基于个人的主观意向来选择获奖人选并手动进行奖项颁发，不仅提高了奖项颁发效率，也提高了奖项颁发的客观性和准确性，从而有效激励学生的学习动力。