[发明专利]选修课的推荐方法、装置和服务器

权利要求书

1.一种选修课的推荐方法，其特征在于，包括：

接收目标用户的选修课推荐请求；其中，所述选修课推荐请求至少携带有目标用户的身份标识；

根据所述目标用户的身份标识，通过检索课程成绩数据库，获取目标用户预设的基础课的成绩数据；

调用预设的选修课成绩预测模型根据所述目标用户预设的基础课的成绩数据，得到对应的选修课成绩预测结果；

根据所述选修课成绩预测结果，确定出与目标用户匹配的选修课，作为目标选修课；

生成并向目标用户发送关于目标选修课的推荐信息。

2.根据权利要求1所述的方法，其特征在于，所述选修课推荐请求还携带有目标用户的专业标签。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述目标用户的专业标签，从多个预设的选修课成绩预测模型中筛选出与目标用户的专业标签匹配的预设的选修课成绩预测模型；

相应的，调用与目标用户的专业标签匹配的预设的选修课成绩预测模型根据所述目标用户预设的基础课的成绩数据，得到对应的选修课成绩预测结果。

4.根据权利要求1所述的方法，其特征在于，所述预设的选修课成绩预测模型按照以下方式建立：

采集往届学生用户的课程成绩数据，作为样本数据；其中，所述往届学生用户的课程成绩数据包括往届学生用户的预设的基础课成绩，以及选修课成绩；

根据所述样本数据，建立多个样本数据集；其中，同一个样本数据集中的样本数据至少包含有一个课程标识相同的选修课的选修课成绩；

利用所述多个样本数据集，分别对基于神经网络的初始模型进行训练，以建立得到预设的选修课成绩预测模型。

5.根据权利要求4所述的方法，其特征在于，在利用所述多个样本数据集，分别对基于神经网络的初始模型进行训练之前，所述方法还包括：

确定出各个样本数据集中样本数据的选修课成绩和预设的基础课成绩的差异度；

去除各个样本数据集中选修课成绩和预设的基础课成绩的差异度大于预设的差异度阈值的样本数据。

6.根据权利要求4所述的方法，其特征在于，所述初始模型包括多个初始的网络模型结构，其中，所述多个初始的网络模型结构分别对应一种选修课。

7.根据权利要求4所述的方法，其特征在于，在利用所述多个样本数据集，分别对基于神经网络的初始模型进行训练的过程中，所述方法还包括：

通过控制dropout参数的数值，减少脏数据对模型训练的影响，以避免出现过拟合。

8.根据权利要求1所述的方法，其特征在于，根据所述选修课成绩预测结果，确定与目标用户匹配的选修课，包括：

根据所述选修课成绩预测结果，从多个选修课中筛选出预测成绩大于预设的成绩阈值的选修课，作为与目标用户匹配的选修课。

9.一种选修课的推荐装置，其特征在于，包括：

接收模块，用于接收目标用户的选修课推荐请求；其中，所述选修课推荐请求至少携带有目标用户的身份标识；

获取模块，用于根据所述目标用户的身份标识，通过检索课程成绩数据库，获取目标用户预设的基础课的成绩数据；

调用模块，用于调用预设的选修课成绩预测模型根据所述目标用户预设的基础课的成绩数据，得到对应的选修课成绩预测结果；

确定模块，用于根据所述选修课成绩预测结果，确定出与目标用户匹配的选修课，作为目标选修课；

推荐模块，用于生成并向目标用户发送关于目标选修课的推荐信息。

10.一种服务器，其特征在于，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至8中任一项所述方法的步骤。