[发明专利]在线学习推荐方法、在线学习系统及服务器

说明书

本申请实施例提供一种在线学习推荐方法、在线学习系统及服务器，可以在当学员用户的学习行为数据与各个在线学习推荐模型之间的未存在达到预设适配度阈值时，结合每个在线学习推荐模型相对于学员用户的推荐级别匹配学员用户对应的多个模型匹配属性以及每个模型匹配属性中加载的模型属性节点，由此将每个模型匹配属性对应的风格属性权重参数关联到每个模型匹配属性中加载的模型属性节点对应的第二目标在线学习推荐模型中，通过每个第二目标在线学习推荐模型根据风格属性权重参数对学员用户进行信息推荐，从而可以实时提高推荐精度，避免了在线学习推荐模型的参数配置过程无法在短时间内进行有效更新持续导致的信息推荐体验较差的情况。

技术领域

本申请涉及大数据分析与信息推荐技术领域，具体而言，涉及一种在线学习推荐方法、在线学习系统及服务器。

背景技术

随着互联网技术的快速发展，通过在网上建立在线学习平台，可以使得众多学员用户通过互联网进行广泛地学习。在传统方案中，为了提高学员用户的学习体验，在线学习平台通常会收集学员用户在学习过程中产生的学习行为，并通过对学习行为进行大数据分析后与多个在线学习推荐模型进行匹配以为该学员用户关联对应的在线学习推荐模型进行后续的在线学习推荐。

经本申请发明人研究发现，对于在线学习平台而言，搭建的在线学习推荐模型通常有限，在实际模型匹配过程中通常是优选匹配度最佳的在线学习推荐模型关联到对应的学员用户上。然而，就会导致当匹配度较低（低于一定匹配度阈值）时，即便采用匹配度最佳的在线学习推荐模型，也难以达到较为准确的推荐精度，而在线学习推荐模型的参数配置过程也无法在短时间内进行有效更新，从而持续导致信息推荐体验较差。

发明内容

有鉴于此，本申请的目的在于提供一种在线学习推荐方法、在线学习系统及服务器，可以实时提高推荐精度，避免在线学习推荐模型的参数配置过程无法在短时间内进行有效更新持续导致的信息推荐体验较差的情况。

第一方面，本申请提供一种在线学习推荐方法，应用于服务器，所述服务器与多个在线学习终端通信连接，所述方法包括：

从每个所述在线学习终端中获取学员用户对应的学习行为数据，并提取与所述学习行为数据对应的学习行为风格数据，所述学习行为数据为所述服务器根据所述学员用户对应的在线学习终端的在线学习模式信息，以及所述在线学习终端与所述服务器之间的在线学习交互方式得到的；

获取每个学员用户的在线学习推荐模型的学习风格权重参数以及每个在线学习推荐模型在对应的学习风格权重参数下的推荐策略所对应的推荐权重，并根据所述学习行为风格数据中的风格数据对应的风格权重以及每个在线学习推荐模型的学习风格权重参数及其在对应的学习风格权重参数下的推荐策略中所对应的推荐权重，计算所述学习行为数据与每个在线学习推荐模型之间的适配度；

在确定出的所有适配度中存在达到预设适配度阈值的目标适配度时，将所述学员用户关联到所述目标适配度对应的第一目标在线学习推荐模型中以使所述第一目标在线学习推荐模型对所述学员用户进行信息推荐得到第一在线学习推荐结果；

在确定出的所有适配度中未存在达到所述预设适配度阈值的目标适配度时，确定出每个在线学习推荐模型相对于所述学员用户的推荐级别并根据所述推荐级别的大小顺序，通过每个对应的在线学习推荐模型对所述学员用户的所述学习行为数据进行数据特征识别得到所述学员用户对应的多个模型匹配属性以及每个模型匹配属性中对应的与每个在线学习推荐模型的推荐级别对应的模型属性节点，根据每个模型匹配属性从所述学员用户对应的学习行为风格数据中确定出每个模型匹配属性对应的风格属性权重参数，将每个模型匹配属性对应的风格属性权重参数关联到每个模型匹配属性中加载的模型属性节点对应的第二目标在线学习推荐模型中，通过每个所述第二目标在线学习推荐模型根据所述风格属性权重参数对所述学员用户进行信息推荐得到第二在线学习推荐结果。