[发明专利]课程推荐方法、装置、计算机设备及介质

说明书

本发明信息推荐领域，公开了一种课程推荐方法、装置、计算机设备及介质，所述方法包括：获取待推荐用户的基础数据，对基础数据进行数据预处理和聚合，根据得到的聚合结果，对待推荐用户进行画像处理，得到用户画像，根据用户画像进行特征提取，得到目标向量，将目标向量输入至预先训练的课程推荐模型中，并采用预先训练的课程推荐模型进行推荐，得到待推荐课程类别，从待推荐课程类别中，选取至少一个课程推荐信息，作为目标推荐课程，并将目标推荐课程推荐给待推荐用户，本发明不同待推荐用户的个人画像，进行个性化推荐，有利于提高课程推荐的精准程度。

技术领域

本发明涉及信息推荐领域，尤其涉及一种课程推荐方法、装置、计算机设备及介质。

背景技术

随着社会的飞速发展和信息技术的进步，各行各业的用户都需要不断学习来提高值的技能，而需要提高哪些技能，如何去进行课程的选择，成了一个焦点。

现有方式中，通常课程推荐是通过设定规则来实现，比如哪些职位需要掌握哪些技能，但不同用户自身情况不同，这种推荐方式针对性较弱，使得推荐效率不高。随着社会的飞速发展和信息技术的进步，各行各业的用户都需要不断学习来提高值的技能，而需要提高哪些技能，如何去进行课程的选择，成了一个焦点。

现有方式中，通常课程推荐是通过设定规则来实现，比如哪些职位需要掌握哪些技能，但不同用户自身情况不同，这种推荐方式针对性较弱，使得推荐精准程度不高。

发明内容

本发明实施例提供一种课程推荐方法、装置、计算机设备和存储介质，以提高课程推荐的准确性。

为了解决上述技术问题，本申请实施例提供一种课程推荐方法，包括：

获取待推荐用户的基础数据；

对所述基础数据进行数据预处理和聚合，根据得到的聚合结果，对所述待推荐用户进行画像处理，得到用户画像；

根据所述用户画像进行特征提取，得到目标向量；

将所述目标向量输入至预先训练的课程推荐模型中，并采用所述预先训练的课程推荐模型进行数据处理，得到待推荐课程类别；

从所述待推荐课程类别中，选取至少一个课程推荐信息，作为目标推荐课程，并将所述目标推荐课程推荐给所述待推荐用户。

可选地，对所述基础数据进行数据预处理和聚合，根据得到的聚合结果，对所述待推荐用户进行画像处理，得到用户画像包括：

对所述基础数据进行数据预处理，得到所述标准数据；

对所述标准数据进行分词处理，并对分词处理结果进行聚类，得到所述待推荐用户的关联类别；

根据所述关联类别，生成目标标签和所述目标标签的重要性排序，得到所述用户画像。

可选地，所述根据所述用户画像进行特征提取，得到目标向量包括：

基于预设语料库，构建所述用户画像中每个标签对应的基础词向量；

针对每个所述基础词向量，计算该基础词向量与其他基础词向量之间的空间距离，并从所述空间距离中选取最小值作为该基础词向量的最小空间距离；

将所述最小空间距离中小于或等于预设空间距离阈值的基础词向量，作为标签向量；

基于K-Means聚合算法对所述标签向量进行分类，得到目标向量。

可选地，在所述将所述目标向量输入至预先训练的课程推荐模型中，并采用所述预先训练的课程推荐模型进行数据处理，得到待推荐课程类别之前，所述课程推荐方法还包括：

获取每个样本用户的用户画像；

提取每个所述用户画像的特征向量；