[发明专利]在线课程推荐方法、系统、设备及存储介质

权利要求书

1.一种在线课程推荐方法，其特征在于，包括如下步骤：

向账户管理系统请求获取用户的身份关联信息，并向课程管理系统请求获取用户的历史课程数据，组合得到用户的特征向量，所述历史课程数据包括历史浏览数据和历史参与课程数据；

将所述用户的特征向量输入至训练好的新课接受度预测模型，得到预测的用户的新课接受度值；

如果所述用户的新课接受度值大于第一阈值，则根据用户的历史浏览数据确定用户的感兴趣课程类别；

根据用户的感兴趣类别在课程数据库中选择用户的推荐课程；

响应于用户终端发送的课程推荐请求，将选择的推荐课程推送至所述用户终端。

2.根据权利要求1所述的在线课程推荐方法，其特征在于，所述新课接受度预测模型为基于机器学习构建的新课接受度预测模型，所述方法还包括采用如下步骤训练所述新课接受度预测模型：

向账户管理系统请求查询注册时长大于第二阈值且历史参与课程的数量大于第三阈值的用户，作为样本用户；

向账户管理系统请求获取所述样本用户的身份关联信息，并向课程管理系统请求获取历史课程数据，分别组合得到每个样本用户的特征向量；

对每个样本用户的特征向量进行新课接受度值标记后，加入训练样本；

采用所述训练样本迭代训练所述新课接受度预测模型。

3.根据权利要求2所述的在线课程推荐方法，其特征在于，所述对每个样本用户的特征向量进行新课接受度值标记，包括如下步骤：

向所述样本用户的用户终端发送电子调查问卷，所述电子调查问卷包括接受新课程意愿的程度等级选项；

从所述用户终端的反馈中提取所述样本用户的接受新课程意愿的程度等级，根据接受新课程意愿的程度等级与新课接受度值的对应关系，确定所述样本用户的新课接受度值，对所述样本用户进行标记。

4.根据权利要求1所述的在线课程推荐方法，其特征在于，所述历史浏览数据包括历史浏览课程类别、各个历史浏览课程类别的浏览次数和各个历史浏览课程类别的浏览时长，所述历史参与课程数据包括历史参与课程类别、各个历史参与课程类别的参与次数和各个历史参与课程类别的参与时长。

5.根据权利要求4所述的在线课程推荐方法，其特征在于，所述组合得到用户的特征向量，包括如下步骤：

将所述身份关联信息、历史浏览数据和历史参与数据的各个属性的属性值分别映射得到第一特征向量、第二特征向量和第三特征向量；

统计用户浏览次数大于第四阈值或用户浏览时长大于第五阈值的课程类别的数量a1；

统计用户参与次数大于第四阈值或用户参与时长大于第五阈值的课程类别的数量a2；

计算所述历史浏览课程类别与历史参与课程类别的相似度a3；

查找所述历史浏览课程类别与所述历史参与课程类别的重合类别，计算重合类别的浏览次数和参与次数的比值a4，并计算重合类别的浏览时长和参与时长的比值a5；

将数量a1、数量a2、相似度a3、比值a4和比值a5组合得到第四特征向量；

将所述第一特征向量、第二特征向量、第三特征向量和第四特征向量组合得到用户的特征向量。

6.根据权利要求4所述的在线课程推荐方法，其特征在于，如果所述用户的新课接受度值大于第一阈值，所述根据用户的历史浏览数据确定用户的感兴趣课程类别，包括：

统计用户浏览次数大于第四阈值且用户浏览时长大于第五阈值的课程类别的数量a6；

如果数量a6大于第六阈值，则将用户浏览次数大于第四阈值且用户浏览时长大于第五阈值的课程类别作为感兴趣类别，如果a6小于等于第六阈值，则将用户浏览次数大于第四阈值或用户浏览时长大于第五阈值的课程类别作为感兴趣类别。