[发明专利]课程推荐方法、装置、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，所述方法包括：

获取数据更新请求；

当所述数据更新请求是课程更新后的推荐请求时，获取待更新的课程名称数据集；

获取批次处理时长监控结果和预设课程批量处理参数；

当所述批次处理时长监控结果大于所述预设课程批量处理参数的批处理间隔数据时，获取CPU核心数量、块间隔数据、预设比例；

将所述批次处理时长监控结果和所述预设比例进行相乘计算，得到所述待更新的课程批量处理参数对应的所述批处理间隔数据；

根据所述待更新的课程批量处理参数对应的所述批处理间隔数据进行滑动窗口大小计算和滑动间隔数据计算，得到所述待更新的课程批量处理参数对应的所述滑动窗口大小和所述滑动间隔数据；

根据所述待更新的课程批量处理参数更新所述预设课程批量处理参数；

采用所述预设课程批量处理参数分别对所述待更新的课程名称数据集中每个课程名称进行分词，得到所述待更新的课程名称数据集对应的各个所述课程名称各自对应的课程名称分词结果，根据所述待更新的课程名称数据集对应的各个所述课程名称各自对应的所述课程名称分词结果更新课程名称分词库；

当所述数据更新请求是用户喜好标签更新后的推荐请求时，获取待更新的用户喜好标签数据集，采用预设用户批量处理参数根据所述待更新的用户喜好标签数据集更新用户喜好标签库；

基于所述数据更新请求从所述课程名称分词库中获取所述课程名称分词结果，得到目标课程名称分词结果集，分别对所述目标课程名称分词结果集中每个所述课程名称分词结果进行词向量生成，得到所述目标课程名称分词结果集对应的目标课程名称分词词向量集；

基于所述数据更新请求从所述用户喜好标签库中获取用户喜好标签数据，得到目标用户喜好标签数据集，分别对所述目标用户喜好标签数据集中每个所述用户喜好标签数据进行词向量生成，得到所述目标用户喜好标签数据集对应的目标用户喜好标签词向量集；

根据所述目标课程名称分词词向量集和所述目标用户喜好标签词向量集进行相似度矩阵生成，得到待更新的课程与喜好标签相似度矩阵，根据所述待更新的课程与喜好标签相似度矩阵更新相似度矩阵库；

基于所述数据更新请求获取课程推荐更新请求，采用预设推荐规则根据所述相似度矩阵库和所述课程推荐更新请求携带的待推荐的用户标识集进行课程推荐，得到所述待推荐的用户标识集的各个用户标识各自对应的目标课程推荐结果。

2.根据权利要求1所述的课程推荐方法，其特征在于，所述获取数据更新请求的步骤，包括：

获取Kafka消息中间件发送的数据更新通知；

当所述数据更新通知为课程名称更新通知时，生成所述数据更新请求的所述课程更新后的推荐请求；

当所述数据更新通知为用户喜好标签更新通知时，生成所述数据更新请求的所述用户喜好标签更新后的推荐请求。

3.根据权利要求1所述的课程推荐方法，其特征在于，采用预设课程批量处理参数分别对所述待更新的课程名称数据集中每个课程名称进行分词，得到所述待更新的课程名称数据集对应的各个所述课程名称各自对应的课程名称分词结果，根据所述待更新的课程名称数据集对应的各个所述课程名称各自对应的所述课程名称分词结果更新课程名称分词库的步骤，包括：

获取所述预设课程批量处理参数；

当所述待更新的课程名称数据集中包括需要删除的课程名称数据时，根据所述需要删除的课程名称数据对所述课程名称分词库进行删除处理；

当所述待更新的课程名称数据集中包括需要新增的课程名称数据时，采用所述预设课程批量处理参数分别对所述需要新增的课程名称数据中每个所述课程名称进行分词，得到所述需要新增的课程名称数据中各个所述课程名称各自对应的所述课程名称分词结果，将所述需要新增的课程名称数据中各个所述课程名称各自对应的所述课程名称分词结果存储在所述课程名称分词库中。