[发明专利]课程推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种课程推荐方法，其特征在于，包括：

根据用户的课程交互数据生成课程热度数据；

基于所述课程热度数据构建用户-课程热度矩阵；

根据所述用户-课程热度矩阵和所述课程交互数据计算资源配额矩阵；

根据所述用户-课程热度矩阵和所述资源配额矩阵计算推荐预测矩阵；

根据所述推荐预测矩阵计算推荐结果；

其中，所述资源配额矩阵为n×n矩阵，其元素w_ij由以下公式计算：

其中，元素w_ij为课程j分配给课程i的资源配额，k_j为课程j的评论数，k_l为用户l的选择课程数，m为用户的数量，r_il为用户l对课程i的课程热度，r_jl为用户l对课程j的课程热度，n为课程的数量。

2.如权利要求1所述的课程推荐方法，其特征在于，所述根据用户的课程交互数据生成课程热度数据，包括：

获取所述课程交互数据；

根据预设离散化方法处理所述课程交互数据，生成离散化交互数据；

根据预设范式规则处理所述离散化交互数据，生成所述课程热度数据。

3.如权利要求2所述的课程推荐方法，其特征在于，所述预设范式规则包括：

其中，U为用户，C为课程，r为课程热度，t为课程的学习时长属性，c为课程的收藏属性，p为课程的评论属性，s为课程的评分属性，α、β、γ、δ、k均为常数因子，且k＝Max(αt+βc+γp+δs)。

4.如权利要求1所述的课程推荐方法，其特征在于，所述用户-课程热度矩阵为m×n矩阵，m为用户的数量，n为课程的数量。

5.如权利要求1所述的课程推荐方法，其特征在于，所述推荐预测矩阵为所述用户-课程热度矩阵和所述资源配额矩阵的乘积。

6.如权利要求1所述的课程推荐方法，其特征在于，所述根据所述推荐预测矩阵计算推荐结果，包括：

根据预设处理规则从所述推荐预测矩阵中的属于指定用户的推荐数据选取指定个数的优选推荐数据；

将所述优选推荐数据对应的课程确定为推荐课程。

7.一种课程推荐装置，其特征在于，包括：

热度数据计算模块，用于根据用户的课程交互数据生成课程热度数据；

热度矩阵构建模块，用于基于所述课程热度数据构建用户-课程热度矩阵；

配置矩阵模块，用于根据所述用户-课程热度矩阵和所述课程交互数据计算资源配额矩阵；

预测矩阵模块，用于根据所述用户-课程热度矩阵和所述资源配额矩阵计算推荐预测矩阵；

推荐结果模块，用于根据所述推荐预测矩阵计算推荐结果；

其中，所述资源配额矩阵为n×n矩阵，其元素w_ij由以下公式计算：

其中，元素w_ij为课程j分配给课程i的资源配额，k_j为课程j的评论数，k_l为用户l的选择课程数，m为用户的数量，r_il为用户l对课程i的课程热度，r_jl为用户l对课程j的课程热度，n为课程的数量。

8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述课程推荐方法。

9.一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至6中任一项所述课程推荐方法。