文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202410137076.2

申 请 日：20240201

发 明 人：章红红 李冰冰 汪琳 于芳 王鹏飞 吴立辉 张怀平

申 请 人：安徽教育网络出版有限公司 上海奇初科技有限公司

申请人地址：230061 安徽省合肥市经济技术开发区繁华大道398号

公 开 日：20240312

公 开 号：CN117688248A

代 理 人：林鹏

代理机构：上海复暨知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明适用于课程智能推荐领域，具体是一种基于卷积神经网络的在线课程推荐方法，包括以下步骤：利用训练集对卷积神经网络模型进行多轮迭代训练，利用测试集对卷积神经网络模型进行测试，基于MSE均方误差来检验卷积神经网络模型的预测效果并调整模型参数，直到模型收敛，得到所需的卷积神经网络模型；利用卷积神经网络模型向学员推荐课程。本发明还提供了一种基于卷积神经网络的在线课程推荐系统。本发明利用训练后的卷积神经网络模型向学员推荐课程，卷积神经网络模型包括嵌入层、卷积层、池化层和全连接层，可以有效提取学员特征矩阵与课程特征矩阵，将学员特征矩阵与课程特征矩阵之间进行全连接，获得与学员更为匹配的候选课程列表。

主 权 项：1.一种基于卷积神经网络的在线课程推荐方法，其特征在于：该推荐方法包括以下步骤：获取评价文本数据集，将评价文本数据集划分为训练集train_j和测试集test_j；搭建深度学习的卷积神经网络模型；利用训练集train_j对卷积神经网络模型进行多轮迭代训练，利用测试集test_j对卷积神经网络模型进行测试，基于MSE均方误差来检验卷积神经网络模型的预测效果并调整模型参数，直到模型收敛，得到所需的卷积神经网络模型；利用卷积神经网络模型向学员推荐课程；判断推荐给学员的课程数量是否达到所需的推荐课程数量；若是，将推荐给学员的课程推送到学员客户端进行展示；若否，计算所需的推荐课程数量与推荐给学员的课程数量之间的差额数量，基于课程的补充推荐方法从课程库中选择对应差额数量的补充课程推荐给学员。

关 键 词：卷积神经网络 课程 矩阵 特征矩阵 学员特征 在线课程 迭代训练  均方误差 模型参数  推荐系统 智能推荐  测试集  连接层  嵌入层  训练集  池化  多轮  卷积 匹配  收敛  测试  预测  检验  

IPC专利分类号：G06F16/9535;G06Q10/063;G06Q50/20;G06N3/0464;G06N3/048;G06N3/084