预测模型的训练方法、兴趣度预测方法、装置和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111062449A(43)申请公布日2020.04.24(21)申请号201911363867.2(22)申请日2019.12.26(71)申请人成都终身成长科技有限公司地址610000四川省成都市天府新区兴隆街道场镇社区正街57号(72)发明人胡龙科(74)专利代理机构北京超成律师事务所11646代理人孔默(51)Int.Cl.G06K9/62(2006.01)G06F16/9535(2019.01)G06Q50/20(2012.01)权利要求书2页说明书11页附图3页(54)发明名称预测模型的训练方法、兴趣度预测方法、装置和存储介质(57)摘要本申请提供一种预测模型的训练方法、兴趣度预测方法、装置及存储介质，针对同一个课程，获取K个用户的样本数据；每个用户的样本数据包括：该用户在M个特征维度中的每个维度上对所述课程进行学习的历史学习记录和表征该用户是否继续购买了所述课程的相关课程的记录；针对课程满意度的预测模型中的每棵待生成的决策树，从K个用户的样本数据中随机选取L个用户的样本数据；生成不同的决策树所用的样本数据不完全相同；生成不同的决策树所需的L相同或不同；利用L个用户的样本数据生成待生成的决策树；每棵决策树，用于根据输入的待预测用户对所述课程的历史学习记录，输出待预测用户对课程的满意度，以为该用户提供感兴趣的课程资源，提高体验。CN111062449ACN111062449A权利要求书1/2页1.一种预测模型的训练方法，其特征在于，所述方法包括：针对同一个课程，获取K个用户的样本数据；其中，每个用户的样本数据包括：该用户在M个特征维度中的每个维度上对所述课程进行学习的历史学习记录和表征该用户是否继续购买了所述课程的相关课程的记录；其中，M和K为大于等于2的正整数；针对课程满意度的预测模型中的每棵待生成的决策树，从所述K个用户的样本数据中随机选取L个用户的样本数据；其中，生成不同的决策树所用的样本数据不完全相同；其中，L为小于K的正整数；其中，生成不同的决策树所需的L相同或不同；利用所述L个用户的样本数据生成所述待生成的决策树；其中，每棵生成的决策树，用于根据输入的待预测用户对所述课程的历史学习记录，输出所述待预测用户对所述课程的满意度。2.根据权利要求1所述的方法，其特征在于，利用所述L个用户的样本数据生成所述待生成的决策树，包括：利用所述L个用户的样本数据对所述样本数据中的特征维度的重要性进行排序，得到排序结果；根据所述排序结果生成所述待生成的决策树。3.根据权利要求2所述的方法，其特征在于，利用所述L个用户的样本数据对所述样本数据中的特征维度的重要性进行排序，得到排序结果，包括：根据用户是否继续购买了所述课程的相关课程的记录，将所述L个用户的样本数据分为两类，得到第一分类结果；针对所述L个用户的样本数据中的每个特征维度，利用该特征维度将所述多个用户的样本数据分为两类，得到第二分类结果；基于信息增益算法、所述第一分类结果和所述第二分类结果，确定出该特征维度的信息增益值；基于多个特征维度的信息增益值的大小，对所述多个特征维度的重要性进行排序，得到所述排序结果；其中，所述特征维度的信息增益值越大，表征所述特征维度的重要性越大。4.根据权利要求1所述的方法，其特征在于，针对课程满意度的预测模型中的每棵待生成的决策树，从所述K个用户的样本数据中随机选取L个用户的样本数据，包括：针对课程满意度的预测模型中的每棵待生成的决策树，从所述K个用户中随机选取所述L个用户；其中，L为大于等于2，且小于K的正整数；针对所述L个用户中的每个用户，确定该用户的M个特征维度的历史学习记录中的N个特征维度的历史学习记录和表征该用户是否继续购买了所述课程的相关课程的记录为该用户的所述样本数据，其中，所述L个用户中的每个用户的N个特征维度相同；其中，N为大于等于2，且小于M的正整数。5.根据权利要求1所述的方法，其特征在于，所述M个特征维度包括：该用户已学习的课程节数、该用户在提供所述课程的平台中的会员等级，该用户对所述课程的老师和同学的评价。6.一种兴趣度预测方法，其特征在于，所述方法包括：针对一课程，获取所述待预测用户对所述课程的历史学习记录；2CN111062449A权利要求书2/2页将所述待预测用户的历史学习记录输入到利用权利要求1-5中的任一权项训练好的对所述课程的满意度进行预测的预测模型中，以使所述预测模型中的每棵决策树根据所述待预测用户的历史学习记录预测出所述用户对所述课程的满意度值；根据多个所述满意度值，确定出所述用户对与所述课程相关的课程的兴趣程度。7.一种预测模型的训练装置，其特征在于，所述装置包括：样本数据获取单元，用于针对同一个课程，获取K个用户的