[发明专利]基于无监督学习的课程推荐方法、装置、设备及介质

权利要求书

1.一种基于无监督学习的课程推荐方法，其特征在于，所述基于无监督学习的课程推荐方法包括：

响应于课程推荐指令，根据所述课程推荐指令获取特征指标及模式指标，其中，所述特征指标是指对象的基本属性构成的指标，所述模式指标是指对象的工作模式的相关数据构成的指标；

获取待推荐对象，根据所述待推荐对象确定基准对象；

获取所述待推荐对象对应于所述特征指标的数据作为第一样本，获取所述基准对象对应于所述特征指标的数据作为第二样本，并整合所述第一样本及所述第二样本，得到特征样本；

获取所述待推荐对象对应于所述模式指标的数据作为第三样本，获取所述基准对象对应于所述模式指标的数据作为第四样本，并整合所述第三样本及所述第四样本，得到模式样本；

调取预先训练的cycle-GAN模型，利用所述cycle-GAN模型对所述特征样本进行扩展，得到第一训练数据，及利用所述cycle-GAN模型对所述模式样本进行扩展，得到第二训练数据；

基于所述第一训练数据训练第一预测模型，及基于所述第二训练数据训练第二预测模型；

获取待预测数据，将所述待预测数据输入至所述第一预测模型，得到第一预测结果，及将所述待预测数据输入至所述第二预测模型，得到第二预测结果；

根据所述第一预测结果及所述第二预测结果确定目标推荐课程。

2.如权利要求1所述的基于无监督学习的课程推荐方法，其特征在于，所述根据所述课程推荐指令获取特征指标及模式指标包括：

解析所述课程推荐指令的方法体，得到所述课程推荐指令所携带的信息；

获取第一预设标签；

根据所述第一预设标签构建第一正则表达式；

根据所述第一正则表达式在所述课程推荐指令所携带的信息中进行遍历，并将遍历到的数据确定为第一地址；

获取第二预设标签；

根据所述第二预设标签构建第二正则表达式；

根据所述第二正则表达式在所述课程推荐指令所携带的信息中进行遍历，并将遍历到的数据确定为第二地址；

连接至所述第一地址，并获取所述第一地址处的数据作为所述特征指标；

连接至所述第二地址，并获取所述第二地址处的数据作为所述模式指标。

3.如权利要求1所述的基于无监督学习的课程推荐方法，其特征在于，所述根据所述待推荐对象确定基准对象包括：

识别所述待推荐对象的类别；

获取所述待推荐对象的类别下所包括的所有对象；

根据配置规则对所述所有对象进行排序，得到目标队列；

从所述目标队列中获取排在所述待推荐对象前一位的对象作为所述基准对象。

4.如权利要求1所述的基于无监督学习的课程推荐方法，其特征在于，在调取预先训练的cycle-GAN模型前，所述方法还包括：

获取训练样本；

构建损失函数；

根据所述训练样本及所述损失函数对cycle-GAN网络的生成器及判别器进行循环对抗训练；

监测所述cycle-GAN网络的均方差及所述损失函数的取值；

当所述均方差达到阈值，和/或所述损失函数不再降低时，停止训练，并将当前的cycle-GAN网络确定为所述cycle-GAN模型。