[发明专利]数据处理的方法、装置、介质和电子设备

说明书

本发明提供了一种数据处理的方法。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，将目标用户的历史学习路径以及至少一个相似用户的历史学习路径进行处理，以形成目标用户的准学习路径；将目标用户的计划学习数据与目标用户的准学习路径进行融合处理，得到目标用户的推荐学习路径，推荐学习路径包括多个学习任务。本方案通过个性化推荐的方式为每个目标用户提供一套完善的学习路径，有利于培养目标用户持续学习的学习习惯，进而能够提高目标用户的完课率。

技术领域

本发明涉及数据处理技术领域，更具体地，本发明涉及一种数据处理的方法、数据处理的装置、计算机可读介质和电子设备。

背景技术

本部分旨在为权利要求书中陈述的本发明提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着科学技术的猛进发展，人们对知识的学习欲望越来越强烈。从而，“互联网+教育”形式的在线教育平台的发展应运而生。在线教育平台提供在线开放课程，从而为大众人群提供通过网络学习知识的机会。上述在线开放课程的参与者不一定是在校学生，参与者只要在成功注册并报名课程后，通过一段时间学习并达到课程所要求的条件后，可以获得相应的证书作为结课证明。其中，在线教育平台提供关于不同知识点的在线开放课程，讲授在线开放课程的老师按照循序渐进地方式定期发布一系列的学习任务，不同的学习任务可能具有不同的学习主题与学习时长等，还可以针对不同的学习任务发布测验作业，以供参与者按照授课老师发布的学习任务进行有节奏地学习。

目前通过在线教育平台进行学习的过程中，由于包含各种知识点的学习任务较多，同时整体学习周期长，因此面临着参与者完课率较低的问题。

现有技术中，为了解决上述问题，现有第一种技术方案会在发布学习任务之后，通过模板化的消息向所有参与此学习任务的用户发送提醒消息，以使用户根据提醒消息自主前往对应课程学习页面，从而实现召回用户学习。现有第二种技术方案中，为了提高参与者的课程完成率，在线教育平台记录统计参与者的学习时间，并可视化展示给用户，以强化用户的成就感，促进用户持续学习。

然而，使用现有技术提供的方法仍然无法有效提高参与者的完课率，并且现有的在线课程只能由用户选择确定，在线学习平台不能为用户智能生成符合用户个性化的学习路径。

发明内容

为此，非常需要一种改进的数据处理的方法，以有效提高参与者的完课率，为用户智能生成符合用户个性化的学习路径。

在本上下文中，本发明的实施方式期望提供一种数据处理的方法、数据处理的装置、计算机可读介质和电子设备。

在本发明实施方式的第一方面中，提供了一种数据处理的方法，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。

在本发明的一些实施例中，基于前述方案，所述神经网络模型包括门控递归单元(Gated Recurrent Unit，简称：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：