[发明专利]课程推荐模型的训练方法、课程推荐方法及装置

说明书

本公开提供了一种课程推荐模型的训练方法、课程推荐方法及装置，涉及人工智能技术领域中的大数据和深度学习领域，可以应用于推荐场景，训练方法包括：获取样本数据集合，样本数据集合中包括用户学习数据，用户学习数据包括记录数据和能力标签数据，记录数据用于表征样本用户的历史学习过程，能力标签数据用于表征样本用户的学习能力等级，根据用户学习数据，训练生成课程推荐模型，其中，课程推荐模型用于为用户推荐课程，避免了相关技术中无法满足用户的个性化需求、可靠性偏低的弊端，以通过结合能力标签数据为用户推荐课程，实现了结合用户的学习能力为用户推荐课程，满足了用户的个性化需求，提高了课程推荐的可靠性和准确性的技术效果。

技术领域

本公开涉及人工智能技术领域中的大数据和深度学习领域，可以应用于推荐场景，尤其涉及一种课程推荐模型的训练方法、课程推荐方法及装置。

背景技术

智能课程推荐技术是指，在学习管理系统中向使用系统的学习者推荐适合自身学习的个性化课程推荐技术，如何提高课程推荐的准确性成了亟待解决的问题。

在现有技术中，采用课程先后序关系的课程推荐技术实现课程的推荐。其中，可课程先后序关系指的是一门课程是另一门课程的前置课程或后置课程，通常这种先后序关系由教育领域专家负责标注，当用户选了某门课程后，就可以向其推荐这门课的前置课程或后置课程。

然而，采用课程先后序关系的推荐方法，需要强依赖于专家的标注质量，而人工标注需要花费大量的金钱和人力，且精准度也偏低。

发明内容

本公开提供了一种用于提高课程推荐的准确性的课程推荐模型的训练方法、课程推荐方法及装置。

根据本公开的第一方面，提供了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。

根据本公开的第二方面，提供了一种课程推荐方法，包括：

获取用户的学习数据；

将所述学习数据输入至预先训练的课程推荐模型，输出为所述用户推荐的课程，其中，所述课程推荐模型是基于如第一方面所述的方法训练生成的。

根据本公开的第三方面，提供了一种课程推荐模型的训练装置，包括：

第一获取单元，用于获取样本数据集合，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；

训练单元，用于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。

根据本公开的第四方面，提供了一种课程推荐装置，包括：

第二获取单元，用于获取用户的学习数据；

输入单元，用于将所述学习数据输入至预先训练的课程推荐模型；

输出单元，用于输出为所述用户推荐的课程，其中，所述课程推荐模型是基于如第一方面所述的方法训练生成的。

根据本公开的第五方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，