基于特征匹配的课程推荐方法、装置、设备和存储介质与流程

本申请涉及人工智能领域，特别是涉及一种基于特征匹配的课程推荐方法、装置、计算机设备和存储介质。

背景技术：

1、随着互联网技术的进步，在当前的在线学习平台中，学生能够以便捷的方式、低廉的成本获取到大规模的电子学习资源。一名教师通过录播、直播等方式，能够同时给海量的学生提供教学服务。然而，在当前的在线学习技术中，个性化学习、个性化教学的重要性在不同程度上受到了忽视。个性化技术的欠缺，使得学生不能够高效的获取适合自身能力水平和知识水平的课程资源。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于特征匹配的课程推荐方法、装置、计算机设备和存储介质。

2、第一方面，本发明实施例提出一种基于特征匹配的课程推荐方法，所述方法包括：

3、以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，训练课程推荐模型；

4、将目标学生的学生特征以及备选课程的课程特征输入所述课程推荐模型，输出所述目标学生与各所述备选课程的匹配度；

5、基于各所述匹配度，确定所述目标学生的推荐课程。

6、在一实施例中，所述课程推荐模型为：

7、p＝relu(wt·[f1(sid)；f2(cid)]+b)

8、其中，cid表示备选课程的编号，sid表示目标学生的编号，relu表示激活函数，w表示神经网络权重，b表示偏置项，f1()表示课程特征的表征学习网络，f2()表示学生特征的表征学习网络。

9、在一实施例中，所述以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，训练课程推荐模型包括：

10、以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，以代价函数输出的最小化作为目的，训练课程推荐模型；其中，所述代价函数为：

11、

12、其中，n表示匹配对的数量，pi表示第i个匹配对输入课程推荐模型的输出结果；yi表示第i个匹配对的标注。

13、在一实施例中，在所述以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，训练课程推荐模型之前，还包括：

14、随机生成课程和学生的配对，选择其中能力分值上升的学生集合；

15、若学生集合中的学生的浏览记录中，存在配对的课程；

16、则提取该课程的课程特征以及该学生的学生特征生成匹配对，将所述匹配对作为训练样本。

17、在一实施例中，所述课程特征包括各课程的关键词以及内容特征；所述学生特征包括课程序列以及各课程的习题的答题结果。

18、在一实施例中，所述能力分值基于对应学生所做的习题的得分以及该习题的难度所确定。

19、在一实施例中，所述基于各所述匹配度，确定所述目标学生的推荐课程包括：

20、将各所述匹配度从高到低排序，从高到低选择对应的预设个数的备选课程作为推荐课程。

21、第二方面，本发明实施例提出一种基于特征匹配的课程推荐装置，所述装置包括：

22、模型训练模块，用于以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，训练课程推荐模型；

23、课程推荐模型，用于将目标学生的学生特征以及备选课程的课程特征输入所述课程推荐模型，输出所述目标学生与各所述备选课程的匹配度；

24、确定模块，用于基于各所述匹配度，确定所述目标学生的推荐课程。

25、第三方面，本发明实施例提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行第一方面所述的步骤。

26、第四方面，本发明实施例提出一种计算机可读存储介质，其上存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的步骤。

27、相比于现有技术，上述方法、装置、计算机设备和存储介质，以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，训练课程推荐模型，将目标学生的学生特征以及备选课程的课程特征输入所述课程推荐模型，输出所述目标学生与各所述备选课程的匹配度，基于各所述匹配度，确定所述目标学生的推荐课程，从而能够为学生智能推荐合适的课程。

技术特征：

1.一种基于特征匹配的课程推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述课程推荐模型为：

3.根据权利要求2所述的方法，其特征在于，所述以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，训练课程推荐模型包括：

4.根据权利要求1所述的方法，其特征在于，在所述以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，训练课程推荐模型之前，还包括：

5.根据权利要求4所述的方法，其特征在于，所述课程特征包括各课程的关键词以及内容特征；所述学生特征包括课程序列以及各课程的习题的答题结果。

6.根据权利要求4所述的方法，其特征在于，所述能力分值基于对应学生所做的习题的得分以及该习题的难度所确定。

7.根据权利要求6所述的方法，其特征在于，所述基于各所述匹配度，确定所述目标学生的推荐课程包括：

8.一种基于特征匹配的课程推荐装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至权利要求7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至权利要求7中任一项所述的方法的步骤。

技术总结
本申请涉及人工智能领域，特别是涉及一种基于特征匹配的课程推荐方法、装置、计算机设备和存储介质，所述方法包括：以正相关的课程特征样本和学生特征样本的匹配对作为训练样本，以各所述匹配对之间的匹配度作为输出，训练课程推荐模型；将目标学生的学生特征以及备选课程的课程特征输入所述课程推荐模型，输出所述目标学生与各所述备选课程的匹配度；基于各所述匹配度，确定所述目标学生的推荐课程。本发明能够为学生智能推荐合适的课程。

技术研发人员：周英,黄宝忠,盖君芳,陈圆谜,齐炎,刘俊聪,黄程韦
受保护的技术使用者：之江实验室
技术研发日：
技术公布日：2024/1/13