[发明专利]课程推荐方法、装置、设备及存储介质

说明书

本申请涉及人工智能技术领域，揭示了一种课程推荐方法、装置、设备及存储介质，其中方法包括：对待更新的课程名称数据集进行分词并更新课程名称分词库；根据待更新的用户喜好标签数据集更新用户喜好标签库；基于数据更新请求，从课程名称分词库中获取课程名称分词结果并生成词向量得到目标课程名称分词词向量集，从用户喜好标签库中获取用户喜好标签数据并生成词向量得到目标用户喜好标签词向量集；根据目标课程名称分词词向量集和目标用户喜好标签词向量集生成相似度矩阵并更新相似度矩阵库；根据相似度矩阵库得到各个用户标识各自对应的目标课程推荐结果。在课程和/或用户喜好标签更新后实现了动态、深度的挖掘了用户真正感兴趣的学习课程。

技术领域

本申请涉及到人工智能技术领域，特别是涉及到一种课程推荐方法、装置、设备及存储介质。

背景技术

现阶段的在线授课平台不具有为用户智能推荐学习课程的功能，用户只是单调地学习平台系统管理员在后台手动推送的课程，这种推荐方式使员工处于被动，难以找到自己感兴趣的课程，无法调动用户的学习积极性。

发明内容

本申请的主要目的为提供一种课程推荐方法、装置、设备及存储介质，旨在解决现有技术的在线授课平台的用户只能是单调地学习平台系统管理员在后台手动推送的课程，无法调动用户学习积极性的技术问题。

为了实现上述发明目的，本申请提出一种课程推荐方法，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，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；

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。

进一步的，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。