[发明专利]数据处理的方法、装置、介质和电子设备

权利要求书

1.一种数据处理的方法，其中，该方法包括：

将不同用户的历史学习行为数据输入神经网络模型，得到每个用户的历史学习路径；

根据不同用户的个人学习数据为每个用户生成学习属性标签；

基于所述学习属性标签，利用协同过滤算法，筛选出目标用户的至少一个相似用户，将所述目标用户的历史学习路径以及所述至少一个相似用户的历史学习路径进行处理，以形成所述目标用户的准学习路径；

将所述目标用户的计划学习数据与所述目标用户的准学习路径进行融合处理，得到所述目标用户的推荐学习路径，所述推荐学习路径包括多个学习任务。

2.根据权利要求1所述的方法，所述神经网络模型包括GRU神经网络模型；

其中，将不同用户的历史学习行为数据输入神经网络模型，得到每个用户的历史学习路径，包括：

通过GRU神经网络模型的第一隐藏层处理所述历史学习行为数据，得到所述历史学习行为数据对应的兴趣知识点；

根据GRU神经网络模型的第二隐藏层，获取所述兴趣知识点与预置知识图谱中的标准知识点之间的匹配值；

通过所述GRU神经网络模型的第三隐藏层对所述兴趣知识点及所述匹配值进行处理，得到每个用户对应的标准知识点；

通过所述GRU神经网络模型的全连接层对所述每个用户对应的标准知识点和用户信息进行全连接处理，得到每个用户的历史学习路径；

其中，所述历史学习行为数据包括但不限于：浏览、收藏、点击、测试、在线学习。

3.根据权利要求1所述的方法，其中，根据不同用户的个人学习数据为每个用户生成学习属性标签，包括：

根据不同用户的历史学习数据、当前学习数据和/或感兴趣的学习数据生成每个用户的多个学习属性标签，所述学习属性标签的类别包括知识点、兴趣点或学习习惯。

4.根据权利要求1所述的方法，其中，所述基于所述学习属性标签，利用协同过滤算法，筛选出目标用户的至少一个相似用户，包括：

计算所述目标用户的学习属性标签与其他用户的学习属性标签之间的相似度；

在所述其他用户中，筛选出所述相似度大于预设阈值的对应的用户作为所述相似用户。

5.根据权利要求1所述的方法，其中，将所述目标用户的历史学习路径以及所述至少一个相似用户的历史学习路径进行处理，以形成所述目标用户的准学习路径，包括：

将所述目标用户的历史学习路径中的学习任务与所述至少一个相似用户的历史学习路径中的学习任务进行合并处理，以得到合并后的多个学习任务；

根据所述目标用户的历史学习路径中的学习任务，对所述合并后的多个学习任务进行过滤处理，以根据所述过滤处理后的学习任务形成所述目标用户的准学习路径。

6.根据权利要求5所述的方法，其中，所述根据所述过滤处理后的学习任务形成所述目标用户的准学习路径，包括：

为每个过滤处理后的学习任务设置初始分数，并根据所述目标用户的学习属性标签为每个所述过滤处理后的学习任务设置权重，以根据所述初始分数和所述权重计算每个所述过滤处理后的学习任务对应的得分；

根据所述得分由高到低的顺序对所述过滤处理后的学习任务进行排序，以确定所述目标用户对应的准学习路径。

7.根据权利要求1所述的方法，其中，将所述目标用户的计划学习数据与所述目标用户的准学习路径进行融合处理，得到所述目标用户的推荐学习路径，包括：

根据所述目标用户的计划学习数据确定计划学习任务；

对所述计划学习任务与所述目标用户的准学习路径做融合处理，形成融合后的准学习路径；

对所述融合后的准学习路径中的每个学习任务进行分值计算，以获取针对所述目标用户的推荐学习路径。