[发明专利]一种提高网络学习环境服务质量的方法及系统

权利要求书

1.一种提高网络学习环境服务质量的方法，其特征在于，所述方法包括：

对接第一在线教育平台，获取第一在线教育数据集；

对所述第一在线教育数据集进行数据预处理，获得第一在线教育标准数据集；

对所述第一在线教育标准数据集进行特征提取，获得第一影响特征集合、第二影响特征集合、第三影响特征集合，其中所述第一影响特征集合为课程特征集合，所述第二影响特征集合为服务特征集合，所述第三影响特征集合为用户特征集合；

对所述课程特征集合、所述服务特征集合进行完整度分析，获得第一分析结果和第二分析结果，对所述用户特征集合进行用户属性分析，获得第三分析结果；

根据所述第一分析结果、所述第二分析结果和所述第三分析结果进行分布式训练，获得第一服务质量评估模型；

基于所述第一服务质量评估模型，对所述第一在线教育平台的第一预设周期的服务质量进行评估，获得第一评估结果；

基于所述第一评估结果，生成第一调整方案；

其中，所述对所述课程特征集合、所述服务特征集合进行完整度分析，获得第一分析结果和第二分析结果，所述方法还包括：

对所述课程特征集合进行横向分析和纵向分析，所述横向分析包括课程覆盖范围分析，所述纵向分析包括课程复杂度分析，获得覆盖范围分析结果和复杂度分析结果；

基于所述横向分析和所述纵向分析完成课程特征集合完整度分析，获得所述第一分析结果；

对所述服务特征集合进行时序分析，所述时序分析包括课前服务分析、课中服务分析、课后服务分析；

基于所述时序分析完成服务特征集合完整度分析，获得所述第二分析结果；

所述对所述用户特征集合进行用户属性分析，获得第三分析结果，所述方法还包括：

将用户消费额作为第一分级特征，将用户点击量作为第二分级特征，将用户登录时间作为第三分级特征；

基于所述第一分级特征、所述第二分级特征和所述第三分级特征构建第一根节点；

基于第一根节点和所述第一在线教育标准数据集的递归算法，构建第一用户属性决策树；

根据所述第一用户属性决策树对所述用户特征集合进行用户属性分析，获得所述第三分析结果；

获得第一在线教育平台的用户反馈信息，所述用户反馈信息包括课程评论区留言、用户咨询记录；

基于语义理解技术对所述用户反馈信息进行分析，获得第四分析结果；

使用所述第四分析结果对所述第一服务质量评估模型进行更新，使用更新后的所述第一服务质量评估模型，对所述第一在线教育平台的第一预设周期的服务质量进行评估，获得第二评估结果；

所述对所述第一在线教育数据集进行数据预处理，获得第一在线教育标准数据集，所述方法还包括：

对所述第一在线教育数据集进行数据预处理，所述数据预处理包括数据清洗、数据整合、数据归一化；

对所述第一在线教育数据集进行所述数据清洗，所述数据清洗包括缺失值处理、重复值处理、异常值处理；

当数据为空值或0值时，进行所述缺失值处理，其中所述缺失值处理包括进行空值的百分比判断和0值的意义判断；

当捕捉到重复值时，进行所述重复值处理，其中所述重复值处理包括直接删除；

当捕捉到异常值时，进行所述异常值处理，其中所述异常值处理包括异常值占比分析和异常值复用几率分析；

将数据清洗结果进行数据整合，获得第一整合在线教育数据集；

对所述第一整合在线教育数据集进行归一化处理，获得所述第一在线教育标准数据集。

2.如权利要求1所述的方法，其特征在于，所述基于所述第一评估结果，生成第一调整方案之后，所述方法还包括：

对接所述第一在线教育平台，获取第一预设周期内页面布局信息；

基于所述页面布局信息，获得页面框架信息、导航栏信息、快捷功能入口信息；

基于所述用户点击量信息，获得所述页面框架信息、所述导航栏信息和所述快捷功能入口信息的综合用户偏好信息；

基于所述综合用户偏好信息对所述页面布局信息进行调整，生成第二调整方案。