[发明专利]一种课程推荐列表的确定方法、装置、设备及存储介质

权利要求书

1.一种课程推荐列表的确定方法，其特征在于，包括：

获取样本数据，根据所述样本数据获取目标基础数据字典；

根据所述样本数据和所述目标基础数据字典得到目标稀疏向量；

获取待推荐对象的初始特征向量，根据所述目标基础数据字典、所述目标稀疏向量和所述待推荐对象的初始特征向量得到待推荐对象的目标特征向量；

根据所述目标基础数据字典和所述目标特征向量，确定所述待推荐对象的课程推荐列表。

2.根据权利要求1所述的方法，其特征在于，获取样本数据，包括：

获取至少一个公开平台的课程学习数据，并获取样本对象的课程学习数据；

将所述至少一个公开平台的课程学习数据按照所述预设模板进行记录，得到所述至少一个公开平台的样本数据；

将所述样本对象的课程学习数据按照所述预设模板进行记录，得到所述样本对象的样本数据；

其中，所述预设模板包括对象特征和课程的对应关系。

3.根据权利要求2所述的方法，其特征在于，根据所述样本数据获取目标基础数据字典，包括：

获取所述样本数据中的课程数据以及每种课程对应的标签信息，根据所述课程数据和所述标签信息生成初始化数据字典；

获取所述样本对象的特征向量；

通过最小二乘法，根据所述初始化数据字典和所述样本对象的特征向量获取所述目标基础数据字典。

4.根据权利要求2所述的方法，其特征在于，根据所述样本数据和所述目标基础数据字典得到目标稀疏向量，包括：

通过贪婪算法，根据所述样本对象的样本数据和所述目标基础数据字典，得到目标稀疏向量。

5.根据权利要求1所述的方法，其特征在于，根据所述目标基础数据字典、所述目标稀疏向量和所述待推荐对象的初始特征向量得到待推荐对象的目标特征向量，包括：

将所述目标基础数据字典和所述目标稀疏向量相乘，得到第一计算值；

将所述目标基础数据字典和所述待推荐对象的初始特征向量相乘，得到第二计算值；

确定所述第一计算值和所述第二计算值之间的差值，根据所述差值动态调整所述待推荐对象的初始特征向量，得到待推荐对象的目标特征向量。

6.根据权利要求1所述的方法，其特征在于，根据所述目标基础数据字典和所述目标特征向量，确定所述待推荐对象的课程推荐列表，包括：

将所述目标基础数据字典和所述目标特征向量相乘，确定所述待推荐对象的课程推荐列表。

7.一种课程推荐列表的确定装置，其特征在于，包括：

字典获取模块，用于获取样本数据，根据所述样本数据获取目标基础数据字典；

稀疏向量获取模块，用于根据所述样本数据和所述目标基础数据字典得到目标稀疏向量；

特征向量获取模块，用于获取待推荐对象的初始特征向量，根据所述目标基础数据字典、所述目标稀疏向量和所述待推荐对象的初始特征向量得到待推荐对象的目标特征向量；

课程推荐列表确定模块，用于根据所述目标基础数据字典和所述目标特征向量，确定所述待推荐对象的课程推荐列表。

8.根据权利要求7所述的装置，其特征在于，字典获取模块，具体用于：

获取至少一个公开平台的课程学习数据，并获取样本对象的课程学习数据；

将所述至少一个公开平台的课程学习数据按照所述预设模板进行记录，得到所述至少一个公开平台的样本数据；

将所述样本对象的课程学习数据按照所述预设模板进行记录，得到所述样本对象的样本数据；

其中，所述预设模板包括对象特征和课程的对应关系。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的课程推荐列表的确定方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的课程推荐列表的确定方法。