[发明专利]基于新上线课程的智能推荐方法、装置、设备及存储介质

权利要求书

1.一种基于新上线课程的智能推荐方法，其特征在于，所述方法包括：

采用中间件技术从线上课程系统中拉取新上线课程，识别所述新上线课程的课程主题和课程标签；

采用分词工具对所述课程主题进行分词，得到课程词语，并将所述课程词语和所述课程标签进行特征拼接，得到特征词语向量；

计算所述特征词语向量与所述线上课程系统中历史课程的相似度，选取所述相似度大于预设阈值的历史课程作为所述新上线课程的相似课程，并对所述相似课程进行优先级排序，得到所述新上线课程的相似课程列表；

从所述相似课程列表中选取预设数量的相似课程，查询选取的所述相似课程的浏览用户，并将所述新上线课程推荐至所述浏览用户，得到所述新上线课程的推荐结果；

其中，所述将所述课程词语和所述课程标签进行特征拼接，得到特征词语向量，包括：对所述课程词语进行特征提取，得到特征词语；将所述特征词语和所述课程标签进行向量编码，得到编码词语和编码标签；利用拼接字符将所述编码词语和编码标签进行向量拼接，得到特征词语向量；

所述计算所述特征词语向量与所述线上课程系统中历史课程的相似度，包括：查询所述线上课程系统中的历史课程，并获取所述历史课程的历史词语向量；构建所述特征词语向量和所述历史词语向量的向量矩阵；计算所述特征词语向量与所述历史词语向量在所述向量矩阵中的相似度；

所述计算所述特征词语向量与所述历史词语向量在所述向量矩阵中的相似度，包括：利用下述公式计算所述特征词语向量与所述历史词语向量在所述向量矩阵中的相似度：

其中，Similarity_ij表示相似度，C_ik表示在向量矩阵中第k个位置的i特征词语向量，C_jk表示在向量矩阵中第k个位置的j历史词语向量，k表示在向量矩阵中特征词语向量和历史词语向量的位置，n表示向量矩阵中特征词语向量和历史词语向量的位置数量。

2.如权利要求1所述的基于新上线课程的智能推荐方法，其特征在于，所述采用中间件技术从线上课程系统中拉取新上线课程，包括：

利用所述中间件技术搭建消息队列，配置所述消息队列与所述线上课程系统的数据传输协议；

根据所述数据传输协议，将所述线上课程系统中的新上线课程传输至所述消息队列中。

3.如权利要求1所述的基于新上线课程的智能推荐方法，其特征在于，所述采用分词工具对所述课程主题进行分词，得到课程词语包括：

利用所述分词工具中的停用词表删除所述课程主题的无用词，得到初始课程主题；

利用所述分词工具中的分词算法对所述初始课程主题进行词语切分，得到课程词语。

4.如权利要求3所述的基于新上线课程的智能推荐方法，其特征在于，所述利用所述分词工具中的分词算法对所述初始课程主题进行词语切分，得到课程词语，包括：

对所述初始课程主题进行词图扫描，得到所述初始课程主题的词语有向无环图；

计算所述词语有向无环图中的词语生成路径，得到词语生成概率；

根据所述词语生成概率，对所述词语有向无环图进行词语切分，得到课程词语。

5.一种基于新上线课程的智能推荐装置，所述装置用于实现如权利要求1至4中任意一项所述的基于新上线课程的智能推荐方法，其特征在于，所述装置包括：

课程识别模块，用于采用中间件技术从线上课程系统中拉取新上线课程，识别所述新上线课程的课程主题和课程标签；

特征拼接模块，用于采用分词工具对所述课程主题进行分词，得到课程词语，并将所述课程词语和所述课程标签进行特征拼接，得到特征词语向量；

相似课程获取模块，用于计算所述特征词语向量与所述线上课程系统中历史课程的相似度，选取所述相似度大于预设阈值的历史课程作为所述新上线课程的相似课程，并对所述相似课程进行优先级排序，得到所述新上线课程的相似课程列表；

课程推荐模块，用于从所述相似课程列表中选取预设数量的相似课程，查询选取的所述相似课程的浏览用户，并将所述新上线课程推荐至所述浏览用户，得到所述新上线课程的推荐结果。