申请/专利权人:平安科技(深圳)有限公司
申请日:2021-01-21
公开(公告)日:2021-02-23
公开(公告)号:CN112396547A
主分类号:G06Q50/20(20120101)
分类号:G06Q50/20(20120101);G06Q10/04(20120101);G06Q10/06(20120101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2021.04.20#授权;2021.03.12#实质审查的生效;2021.02.23#公开
摘要:本发明涉及人工智能领域,提供一种基于无监督学习的课程推荐方法、装置、设备及介质,能够采用cycle‑GAN模型对训练数据进行扩展,有效解决由于样本数量不足导致模型训练效果不佳,精度较差的问题,同时,由于cycle‑GAN模型的特性,扩展后生成的样本也具有较强的可用性,并且,由于综合了不同维度的预测结果,推荐的课程也更加合理,进而实现对课程的自动推荐。本发明还涉及区块链技术,涉及到的模型可存储于区块链。
主权项:1.一种基于无监督学习的课程推荐方法,其特征在于,所述基于无监督学习的课程推荐方法包括:响应于课程推荐指令,根据所述课程推荐指令获取特征指标及模式指标;获取待推荐对象,根据所述待推荐对象确定基准对象;获取所述待推荐对象对应于所述特征指标的数据作为第一样本,获取所述基准对象对应于所述特征指标的数据作为第二样本,并整合所述第一样本及所述第二样本,得到特征样本;获取所述待推荐对象对应于所述模式指标的数据作为第三样本,获取所述基准对象对应于所述模式指标的数据作为第四样本,并整合所述第三样本及所述第四样本,得到模式样本;调取预先训练的cycle-GAN模型,利用所述cycle-GAN模型对所述特征样本进行扩展,得到第一训练数据,及利用所述cycle-GAN模型对所述模式样本进行扩展,得到第二训练数据;基于所述第一训练数据训练第一预测模型,及基于所述第二训练数据训练第二预测模型;获取待预测数据,将所述待预测数据输入至所述第一预测模型,得到第一预测结果,及将所述待预测数据输入至所述第二预测模型,得到第二预测结果;根据所述第一预测结果及所述第二预测结果确定目标推荐课程。
全文数据:
权利要求:
百度查询: 平安科技(深圳)有限公司 基于无监督学习的课程推荐方法、装置、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。