[发明专利]课程预测模型的更新方法、装置、计算机设备及存储介质

说明书

本申请涉及人工智能领域，公开了一种课程预测模型的更新方法，包括：第一客户端获取训练样本，训练样本包括学生的学习信息和学生对课程的学习意向信息；利用训练样本训练课程预测模型，得到第一模型参数；将第一模型参数发送至第二客户端，并接收第二客户端发送的第二模型参数；根据第一模型参数和第二模型参数生成第三模型参数；将第三模型参数上传至服务端；服务端根据第三模型参数和第四模型参数生成第五模型参数；接收到服务端发送的第五模型参数时，根据第五模型参数更新课程预测模型。本申请还涉及区块链技术。本申请还公开了一种课程预测模型的更新装置、计算机设备以及计算机可读存储介质。本申请提高了课程预测模型的准确率。

技术领域

本申请涉及人工智能领域，尤其涉及一种课程预测模型的更新方法、课程预测模型的更新装置、计算机设备以及计算机可读存储介质。

背景技术

线上教育技术随着信息化的发展不断革新，目前市面主流的在线教育系统可以规划固定的学习路径，但是无法提供自主学习的功能。在一个新学习流程中，若学生仍然需要重新学习已掌握的知识点，必然会浪费学生的学习时间，以及造成在线教育资源的浪费。

然而，由于线上教育通常在不同的平台之间进行，且不同的线上教育平台之间存在数据壁垒，互相之间无法就学生的学习数据达成合作，或是出于保护隐私的考量，彼此之间难以共享学生的学习数据，这样一来就难以掌握学生全面的学习数据，也就难以准确向学生推送其所需的学习课程。

上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

发明内容

本申请的主要目的在于提供一种课程预测模型的更新方法、课程预测模型的更新装置、计算机设备以及计算机可读存储介质，旨在解决如何在避免泄露学生隐私的同时，能得到全面的训练数据训练课程预测模型，以提高对学生进行课程推荐的准确率的问题。

为实现上述目的，本申请提供一种课程预测模型的更新方法，包括以下步骤：

第一客户端获取训练样本，其中，所述训练样本包括本地学生的学习信息和所述本地学生对目标课程的学习意向信息，所述学习信息包括受教育程度、学习专业、学习历史、学习偏好和课程掌握程度中的至少一个；

将所述训练样本转换为支持向量，并基于所述支持向量输入至对课程预测模型进行训练，得到第一模型参数，其中，所述课程预测模型基于支持向量机构建，所述第一模型参数包括第一参数和第二参数，所述第一参数用于计算所述课程预测模型的模型梯度，所述第二参数用于计算所述课程预测模型的模型损失；

将所述第一模型参数发送至第二客户端，并接收所述第二客户端发送的第二模型参数，其中，所述第二模型参数的生成方式与所述第一模型参数的生成方式相同；

根据所述第一模型参数和所述第二模型参数生成第三模型参数；

将所述第三模型参数上传至服务端，其中，所述第二客户端根据所述第一模型参数和所述第二模型参数生成第四模型参数，并上传所述第四模型参数至所述服务端；所述服务端用于根据所述第三模型参数和所述第四模型参数生成第五模型参数，并将所述第五模型参数反馈至所述第一客户端和所述第二客户端；

接收到所述服务端发送的所述第五模型参数时，根据所述第五模型参数更新所述课程预测模型。

进一步地，所述将所述第一模型参数发送至第二客户端，并接收所述第二客户端发送的第二模型参数的步骤包括：

利用所述服务端的公钥加密所述第一模型参数，并将加密后的所述第一模型参数发送至第二客户端，以及接收所述第二客户端发送的第二模型参数；

其中，所述第二客户端利用所述服务端的公钥加密所述第二模型参数后，将加密后的所述第二模型参数发送至所述第一客户端；所述服务端利用Paillier算法产生秘钥对，以得到所述公钥后，并将所述公钥发送至所述第一客户端和所述第二客户端。