[发明专利]课程推荐模型的训练方法、课程推荐方法及装置

权利要求书

1.一种课程推荐模型的训练方法，包括：

获取样本数据集合，其中，所述样本数据集合中包括用户学习数据，所述用户学习数据包括记录数据和能力标签数据，所述记录数据用于表征样本用户的历史学习过程，所述能力标签数据用于表征样本用户的学习能力等级；

根据所述用户学习数据，训练生成课程推荐模型，其中，所述课程推荐模型用于为用户推荐课程。

2.根据权利要求1所述的方法，其中，根据所述用户学习数据，训练生成课程推荐模型，包括：

若样本用户具有能力标签数据，则根据样本用户的能力标签数据，确定样本用户的能力预测信息，其中，所述能力预测信息表征样本用户针对课程的学习能力；

根据样本用户的能力预测信息和记录数据，确定样本用户的学习迁移信息，所述学习迁移信息表征样本用户的学习变更情况；

根据样本用户的能力预测信息和学习迁移信息，训练生成所述课程推荐模型。

3.根据权利要求2所述的方法，还包括：

若样本用户不具有能力标签数据，则根据与当前的样本用户相似的其他样本用户的能力标签数据和记录数据、以及当前的样本用户的记录数据，确定当前的样本用户的能力预测信息。

4.根据权利要求3所述的方法，其中，根据与当前的样本用户相似的其他样本用户的能力标签数据和记录数据、以及当前的样本用户的记录数据，确定当前的样本用户的能力预测信息，包括：

根据当前的样本用户的记录数据提取与学习能力相关的信息；

根据其他样本用户的记录数据和能力标签数据、当前的样本用户的记录数据、以及提取到的与学习能力相关的信息，确定当前的样本用户的能力预测信息。

5.根据权利要求4所述的方法，其中，根据其他样本用户的记录数据和能力标签数据、当前的样本用户的记录数据、以及提取到的与学习能力相关的信息，确定当前的样本用户的能力预测信息，包括：

根据其他样本用户的记录数据、当前的样本用户的记录数据、以及提取到的与学习能力相关的信息，确定其他样本用户对当前的样本用户的注意力影响信息，其中，注意力影响信息用于表征其他样本用户的能力标签数据对当前的样本用户的能力标签数据的影响关系；

根据所述注意力影响信息和其他样本用户的能力标签数据，确定当前的样本用户的能力预测信息。

6.根据权利要求5所述的方法，其中，根据所述注意力影响信息和其他样本用户的能力标签数据，确定当前的样本用户的能力预测信息，包括：

根据其他样本用户的能力标签数据确定其他样本用户的能力预测信息；

根据所述注意力影响信息和其他样本用户的能力预测信息，确定当前的样本用户的能力预测信息。

7.根据权利要求2-6中任一项所述的方法，其中，根据样本用户的能力预测信息和记录数据，确定样本用户的学习迁移信息，包括：

根据所述能力预测信息确定样本用户在各学习任务下的学习迁移需求信息，并根据所述记录数据和所述学习迁移需求信息，确定样本用户的学习迁移信息。

8.根据权利要求7所述的方法，其中，根据所述能力预测信息确定样本用户在各学习任务下的学习迁移需求信息，包括：

获取在各学习任务下，不同学习任务之间的迁移信息，并根据所述迁移信息和所述能力预测信息确定样本用户的学习迁移需求信息。

9.根据权利要求2-8中任一项所述的方法，其中，根据样本用户的能力预测信息和学习迁移信息，训练生成所述课程推荐模型，包括：

对样本用户的能力预测信息进行解码处理，得到所述能力标签数据的概率分布信息；

根据所述概率分布信息确定所述能力标签数据的损失函数，并根据样本用户的学习迁移信息确定所述记录数据的损失函数；

根据所述能力标签数据的损失函数、以及所述记录数据的损失函数训练生成所述课程推荐模型。