[发明专利]基于深度学习的教育平台课程推荐方法及系统

说明书

本发明公开了基于深度学习的教育平台课程推荐方法及系统，包括：获取用户的行为数据、用户的基本信息和用户的历史观看课程；对获取的用户的行为数据、用户的基本信息和用户的历史观看课程进行数据预处理，得到用户的行为序列；对用户的历史观看课程进行特征提取，得到课程特征；对用户的基本信息进行特征提取，得到用户特征和用户所处环境特征；将用户的行为序列、课程特征、用户特征和用户所处环境特征，输入到预先训练好的神经网络模型中，输出课程推荐结果。

技术领域

本发明涉及数据分析技术领域，特别是涉及基于深度学习的教育平台课程推荐方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

近年来，随着互联网与通信技术的高速发展，学习资源的建设与共享呈现出新的发展趋势，各种网课、慕课、直播课等层出不穷，各种在线教育平台和学习应用纷纷涌现。因此，如何根据教育平台的线上用户信息和学习信息，通过数据分析为教育平台和用户提供精准的课程推荐服务就成为线上教育的热点问题。同时，随着人工智能、大数据、云计算等技术的发展，建立基于深度学习和推荐算法的课程推荐系统已经是线上教育新发展的新趋势，这对降低用户的的流失率具有极大地推动作用，可以更好地服务线上用户。

在此大前提下，各种课程和课程路径推荐系统层次不穷。这些系统使用的方法大致可以这么分为两类：基于课程的推荐方法、基于用户的推荐方法。其中，基于课程的推荐方法：通过对历史数据进行过滤、处理来直接对用户进行课程的推荐，但同时缺少了对实际情况的考虑，对数据量的要求也比较大；基于用户的推荐方法：通过对用户的观察、测试、收集数据等方法把具体某个用户的特征保存在一个对应的数据集中，然后通过领域的方法和建模的方法来对用户进行课程的推荐，但其忽略了历史数据的价值，同时对噪声比较敏感；有一小部分的推荐系统同时考虑了基于历史数据的方法和基于内容的方法，但是其多数采用统计的方法或者只是把其中一者作为参考来设计系统，难以在数据量庞大时达到较好的效果，同时对数据的处理也相当困难；还有一部分系统使用了大数据的方法来实现，但是其使用的方法和模型过于传统、简单，细节上存在着漏洞和不足，没有充分地利用大数据科学的优势，效果只能说是差强人意，因此也并不被广泛认可。此外，上述推荐系统还存在一个问题：课程推荐的目的是估计用户学习该课程的的可能性，为用户推荐用户感兴趣的课程，从而降低平台用户的流失率，它已成为在线教育平台课程推荐系统中的核心任务之一。对于在线教育平台课程推荐系统模型，有必要捕获用户行为数据背后的潜在用户兴趣。此外，考虑到外部环境和内部认知的变化，用户兴趣随时间动态变化。兴趣建模的用户学习该课程的的可能性预测方法有多种，但大多将行为的表征直接视为兴趣，缺乏对具体行为背后潜在兴趣的专门建模。此外，很少考虑兴趣的变化趋势。难以同时考虑全局信息和局部信息、难以对预测的结果根据实际情况进行调整。

发明内容

为了解决现有技术的不足，本发明提供了基于深度学习的教育平台课程推荐方法及系统；利用深度学习的推荐算法，降低用在线教育平台的用户流失率，为用户推荐合适的课程。

第一方面，本发明提供了基于深度学习的教育平台课程推荐方法；

基于深度学习的教育平台课程推荐方法，包括：

获取用户的行为数据、用户的基本信息和用户的历史观看课程；

对获取的用户的行为数据、用户的基本信息和用户的历史观看课程进行数据预处理，得到用户的行为序列；

对用户的历史观看课程进行特征提取，得到课程特征；

对用户的基本信息进行特征提取，得到用户特征和用户所处环境特征；

将用户的行为序列、课程特征、用户特征和用户所处环境特征，输入到预先训练好的神经网络模型中，输出课程推荐结果。

第二方面，本发明提供了基于深度学习的教育平台课程推荐系统；