[发明专利]一种课程推荐方法、系统、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：

获取多个用户中待推荐用户的课程标签，其中，所述课程标签包括在用课程标签、扩展课程标签和移除课程标签中的至少一个；

根据所述待推荐用户的课程学习数据调整各所述课程标签的标签权重；

根据所述标签权重确定所述待推荐用户对各课程的偏好结果，并根据所述偏好结果从各所述课程中筛选出目标推荐课程。

2.根据权利要求1所述的方法，其特征在于，所述根据所述偏好结果从各所述课程中筛选出目标推荐课程，包括：

根据所述偏好结果从各所述课程中筛选出偏好推荐课程；

统计所述多个用户对每个所述课程的课程学习次数总和，并根据各所述课程学习次数总和从各所述课程中筛选出热门推荐课程；

从各所述偏好推荐课程和各所述热门推荐课程中筛选出目标推荐课程。

3.根据权利要求1所述的方法，其特征在于，所述扩展课程标签通过如下步骤预先生成：

根据所述多个用户的基本属性数据对所述多个用户进行聚类，并根据聚类结果确定所述多个用户中的所述待推荐用户所在的聚类分组；

根据所述聚类分组的热门课程标签生成所述扩展课程标签，其中，所述热门课程标签是根据所述聚类分组中各聚类用户的所述在用课程标签确定的。

4.根据权利要求1所述的方法，其特征在于，所述根据所述待推荐用户的课程学习数据调整各所述课程标签的标签权重，包括：

根据所述待推荐用户的已学习课程的课程学习次数和已学习标签，确定所述待推荐用户的所述已学习标签的标签学习次数；

根据所述标签学习次数调整各所述课程标签的标签权重。

5.根据权利要求1所述的方法，其特征在于，还包括：

获取所述课程的预设课程标签和课程标题的分词结果，根据所述分词结果和所述预设课程标签确定所述课程的词数据；

基于词频-逆向文件频率指数TF-IDF生成所述词数据的词向量；

获取所述待推荐用户的当前已学习课程，分别计算所述当前已学习课程的所述词向量和各所述课程的所述词向量间的相似度；

根据相似度计算结果，从各所述课程中筛选出所述当前已学习课程的第一相似课程，并将所述第一相似课程作为所述目标推荐课程。

6.根据权利要求1所述的方法，其特征在于，还包括：

针对所述待推荐用户在当前课程专题中的第一已学习专题课程，获取所述多个用户中已学习所述第一已学习专题课程的已学习用户，以及各所述已学习用户在所述当前课程专题中的第二已学习专题课程；

根据所述第二已学习专题课程的课程学习次数，从各所述第二已学习专题课程中筛选出所述第一已学习专题课程的第二相似课程，并将所述第二相似课程作为所述目标推荐课程。

7.根据权利要求1-6任一所述的方法，其特征在于，还包括：

获取所述待推荐用户对所述目标推荐课程的操作次数，其中，所述操作次数包括点击操作次数、搜索操作次数和购买操作次数中的至少一个；

将所述操作次数输入至已训练完成的隐士反馈模型中，根据所述隐士反馈模型的输出结果，得到所述待推荐用户对所述目标推荐课程的喜好结果。

8.一种课程推荐系统，其特征在于，包括：

课程标签获取模块，用于获取多个用户中待推荐用户的课程标签，其中，所述课程标签包括在用课程标签、扩展课程标签和移除课程标签中的至少一个；

标签权重确定模块，用于根据所述待推荐用户的课程学习数据调整各所述课程标签的标签权重；

推荐课程筛选模块，用于根据所述标签权重确定所述待推荐用户对各课程的偏好结果，并根据所述偏好结果从各所述课程中筛选出目标推荐课程。

9.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的课程推荐方法。

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如权利要求1-7中任一所述的课程推荐方法。