本技术涉及大数据，特别是涉及一种基于用户行为的课程推荐方法和相关产品。
背景技术：
1、当前，银行中的员工需要通过参加线上或线下的教育培训课程，来提升自身的综合素质和业务能力。除了银行规定的必修课程之外，银行还允许员工根据自身需求选择多门选修课程进行学习。但对于海量的选修课程而言，以往通过课程简介或是他人推荐而确定目标选修课程的方法效率较低。如何帮助银行员工快速的找到符合自身需求的选修课程，成为亟待解决的问题。
技术实现思路
1、基于上述问题，本技术提供了一种基于用户行为的课程推荐方法和相关产品，用于帮助银行员工快速的找到符合自身需求的选修课程，提高了银行员工从海量的选修课程中确定目标选修课程的选择效率。
2、第一方面，本技术实施例提供了一种基于用户行为的课程推荐方法，包括：
3、确定目标用户的多个相似用户，所述相似用户的所学课程与所述目标用户的所学课程有重合；
4、通过对所述相似用户与所述目标用户之间的关联参数的分析，获取所述相似用户与所述目标用户之间的关联度数值；所述关联参数包括课程喜好度和课程评分数值；
5、确定所述关联度数值大于或等于关联度阈值的多个相似用户后，将所述大于或等于关联度阈值的多个相似用户加入到邻接用户集合；
6、通过对所述目标用户的目标未学习课程的多个所述课程评分数值的分析，获得所述目标未学习课程的理论评分数值；所述目标未学习课程是所述目标用户的多个未学习课程中的一个；所述目标未学习课程的多个所述课程评分数值是所述邻接用户集合中的多个相似用户对所述目标未学习课程的评分数值；
7、如果所述理论评分数值大于或等于理论评分阈值，则将所述目标未学习课程加入到所述目标用户的推荐课程集。
8、可选地，所述通过对所述相似用户与所述目标用户之间的关联参数的分析，获取所述相似用户与所述目标用户之间的关联度数值，包括：
9、通过对所述相似用户与所述目标用户之间的所述课程喜好度的分析，获取所述相似用户与所述目标用户之间的第一关联度数值；
10、确定所述第一关联度数值大于或等于第一关联度阈值的多个相似用户后，将所述大于或等于第一关联度阈值的多个相似用户加入第一用户集合；
11、通过对所述第一用户集合中的相似用户与所述目标用户之间的所述课程评分数值的分析，获取所述第一用户集合中的相似用户与所述目标用户之间的第二关联度数值；所述第二关联度数据是所述相似用户与所述目标用户之间的所述关联度数值。
12、可选地，所述通过对所述相似用户与所述目标用户之间的关联参数的分析，获取所述相似用户与所述目标用户之间的关联度数值，包括：
13、通过对所述相似用户与所述目标用户之间的所述课程评分数值的分析，获取所述相似用户与所述目标用户之间的第三关联度数值；
14、确定所述第三关联度数值大于或等于第三关联度阈值的多个相似用户后，将所述大于或等于第三关联度阈值的多个相似用户加入到第三用户集合；
15、通过对所述第三用户集合中的相似用户与所述目标用户之间的所述课程喜好度的分析，获取所述第三用户集合中的相似用户与所述目标用户之间的第四关联度数值；所述第四关联度数值是所述相似用户与所述目标用户之间的所述关联度数值。
16、可选地，所述通过对所述相似用户与所述目标用户之间的关联参数的分析，获取所述相似用户与所述目标用户之间的关联度数值，包括：
17、通过对所述相似用户与所述目标用户之间的所述课程喜好度的分析，获取所述相似用户与所述目标用户之间的第五关联度数值；
18、通过对所述相似用户与所述目标用户之间的所述课程评分数值的处理，获取所述相似用户与所述目标用户之间的第六关联度数值；
19、为所述第五关联度数值分配第一权重且为所述第六关联度数值分配第二权重；所述第一权重与所述第二权重之和为1；
20、将所述第五关联度数值与所述第一权重的乘积，与所述第六关联度数值与所述第二权重的乘积求和，获得第七关联度数值；所述第七关联度数值是所述相似用户与所述目标用户之间的所述关联度数值。
21、可选地，通过对所述目标用户的目标未学习课程的多个所述课程评分数值的分析，获得所述目标未学习课程的理论评分数值，包括：
22、获取目标相似用户的所有已学课程的课程评分数值的均值，作为第一参数数值；所述目标相似用户是所述邻接用户集合中多个所述相似用户中的一个；
23、获取所述目标相似用户对所述目标未学习课程的课程评分数值，作为第二参数数值；
24、获取所述目标相似用户与所述目标用户之间的关联度数值，作为第三参数数值；
25、获取所述第二参数数值与所述第一参数数值的差值后，将所述差值与所述第三参数数值的乘积作为第四参数数值；
26、获取所述邻接用户集合中每一个相似用户的所述第四参数数值后，将所述每一个相似用户的所述第四参数数值相加求和，得到第五参数数值；
27、获取第六参数数值，所述第六参数数值为调节常数；
28、获取所述目标用户的所有已学课程的课程评分数值的均值，作为第七参数数值；
29、获取所述第五参数数值与所述第六参数数值的乘积数值后，将所述乘积数值与所述第七参数数值的求和数值，作为所述目标未学习课程的理论评分数值。
30、可选地，所述第六参数数值通过以下步骤获得：
31、获取所述邻接用户集合中每一个相似用户的所述第三参数数值后，将所述每一个相似用户的所述第三参数数值相加求和，得到第八参数数值；
32、获取所述第八参数数值的倒数值，作为所述第六参数数值。
33、第二方面，本技术实施例提供了一种基于用户行为的课程推荐装置，包括：
34、相似用户确定模块，用于确定目标用户的多个相似用户，所述相似用户的所学课程与所述目标用户的所学课程有重合；
35、关联度数值计算模块，用于通过对所述相似用户与所述目标用户之间的关联参数的分析，获取所述相似用户与所述目标用户之间的关联度数值；所述关联参数包括课程喜好度和课程评分数值；
36、邻接用户集合获取模块，用于确定所述关联度数值大于或等于关联度阈值的多个相似用户后，将所述大于或等于关联度阈值的多个相似用户加入到邻接用户集合；
37、理论评分数值计算模块，用于通过对所述目标用户的目标未学习课程的多个所述课程评分数值的分析，获得所述目标未学习课程的理论评分数值；所述目标未学习课程是所述目标用户的多个未学习课程中的一个；所述目标未学习课程的多个所述课程评分数值是所述邻接用户集合中的多个相似用户对所述目标未学习课程的评分数值；
38、推荐课程集生成模块，用于如果所述理论评分数值大于或等于理论评分阈值，则将所述目标未学习课程加入到所述目标用户的推荐课程集。可选地，所述关联度数值计算模块，包括：
39、第一关联度数值计算单元，用于通过对所述相似用户与所述目标用户之间的所述课程喜好度的分析，获取所述相似用户与所述目标用户之间的第一关联度数值；
40、第一用户集合获取单元，用于确定所述第一关联度数值大于或等于第一关联度阈值的多个相似用户后，将所述大于或等于第一关联度阈值的多个相似用户加入第一用户集合；
41、第二关联度数值计算单元，用于通过对所述第一用户集合中的相似用户与所述目标用户之间的所述课程评分数值的分析，获取所述第一用户集合中的相似用户与所述目标用户之间的第二关联度数值；所述第二关联度数据是所述相似用户与所述目标用户之间的所述关联度数值。
42、第三方面，本技术实施例提供了一种电子设备，包括：存储器和处理器，其中，存储器用于存储计算机程序；处理器用于执行所述计算机程序，以实现上述第一方面提供的任一实现方式的基于用户行为的课程推荐方法。
43、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行上述第一方面提供的任一实现方式的基于用户行为的课程推荐方法。
44、从以上技术方案可以看出，本技术具有以下有益效果：
45、本技术实施例在确定目标用户的多个相似用户后，通过对相似用户与目标用户之间的关联参数的分析，获取相似用户与目标用户之间的关联度数值；将从目标用户的相似用户中确定的关联度数值大于或等于关联度阈值的多个相似用户加入到邻接用户集合；通过对目标用户的目标未学习课程的多个课程评分数值的分析，获得目标未学习课程的理论评分数值；其中，目标未学习课程的多个课程评分数值是邻接用户集合中的多个相似用户对目标未学习课程的评分数值；如果理论评分数值大于或等于理论评分阈值，则将目标未学习课程加入到目标用户的推荐课程集。
46、由此，本方案在获取目标用户对目标未学习课程的理论评分数值的过程中，充分考虑了与目标用户具有较高关联度数值的相似用户对目标未学习课程的评分数值；通过对上述评分数值的分析，可以较为准确的获取目标用户对目标未学习课程的理论评分数值。所以，本发明解决了使用传统方法确定目标选修课程效率较低的问题，提升了目标用户从海量的未学习课程中选择出感兴趣的目标选修课程的选择效率，可以帮助目标用户快速找到符合自身需求的目标选修课程。
1.一种基于用户行为的课程推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过对所述相似用户与所述目标用户之间的关联参数的分析，获取所述相似用户与所述目标用户之间的关联度数值，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过对所述相似用户与所述目标用户之间的关联参数的分析，获取所述相似用户与所述目标用户之间的关联度数值，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过对所述相似用户与所述目标用户之间的关联参数的分析，获取所述相似用户与所述目标用户之间的关联度数值，包括：
5.根据权利要求1所述的方法，其特征在于，所述通过对所述目标用户的目标未学习课程的多个所述课程评分数值的分析，获得所述目标未学习课程的理论评分数值，包括：
6.根据权利要求5所述的方法，其特征在于，所述第六参数数值通过以下步骤获得：
7.一种基于用户行为的课程推荐装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述关联度数值计算模块，包括：第一关联度数值计算单元，用于通过对所述相似用户与所述目标用户之间的所述课程喜好度的分析，获取所述相似用户与所述目标用户之间的第一关联度数值；
9.一种基于用户行为的课程推荐设备，其特征在于，包括：
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上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-6任一项所述的基于用户行为的课程推荐方法。
