一種智能選課推薦的方法
【專利摘要】本發(fā)明公開了一種智能選課推薦的方法。本發(fā)明通過計(jì)算與當(dāng)前學(xué)生選課頁面訪問相似度、與當(dāng)前學(xué)生課程評分相似度、與當(dāng)前學(xué)生選課記錄相似度、構(gòu)建課程圖譜樹后各自得到推薦的選課集，然后將上述得到的選課集進(jìn)行加權(quán)合并最終得到推薦選課集。本發(fā)明考慮了多種維度，實(shí)現(xiàn)課程的個(gè)性化推薦，有效解決學(xué)生選課的盲目性；可以更好地利用學(xué)?，F(xiàn)有系統(tǒng)數(shù)據(jù)；使用了成熟的協(xié)同過濾及基于內(nèi)容的推薦技術(shù)，實(shí)現(xiàn)較為容易。
【專利說明】一種智能選課推薦的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及高校選課系統(tǒng)中智能選課。
【背景技術(shù)】
[0002]高校教育體制改革以后，高校紛紛向多學(xué)科綜合型方向發(fā)展。學(xué)科專業(yè)覆蓋面不斷擴(kuò)大，課程的開設(shè)也隨之不斷增加。課程數(shù)目的增加為學(xué)生選修課程帶來更多的選擇，但是過多的課程也使得學(xué)生的選課不可避免地出現(xiàn)盲目性。目前，教學(xué)管理系統(tǒng)的廣泛應(yīng)用積累了大量的教學(xué)實(shí)踐數(shù)據(jù)，但是，這些數(shù)據(jù)隱含的信息并沒有被充分挖掘利用。為了充分利用已有的教學(xué)實(shí)踐數(shù)據(jù)，關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘已被廣泛地應(yīng)用到了教學(xué)管理中來，主要可以分為面向?qū)W生、面向教師和面向課程的分析。關(guān)聯(lián)規(guī)則的應(yīng)用對提高教學(xué)質(zhì)量起到了一定的促進(jìn)作用，但是如果支持度和置信度選取不當(dāng)，會造成計(jì)算時(shí)間過長或者嚴(yán)重影響挖掘效果。同時(shí)，利用關(guān)聯(lián)規(guī)則挖掘出的信息都針對所有用戶，沒有充分地考慮到用戶的興趣度。學(xué)生對課程的評分很大程度上代表了學(xué)生興趣愛好，但是大量的學(xué)生評價(jià)數(shù)據(jù)以及過往選課數(shù)據(jù)并未得到有效利用。如果能利用學(xué)生評價(jià)數(shù)據(jù)，加上已有的學(xué)生選課數(shù)據(jù)以及課程關(guān)聯(lián)性數(shù)據(jù)，就有可能對每一個(gè)學(xué)生作出個(gè)性化的課程推薦，可以有效地解決學(xué)生選課的盲目性。在目前的個(gè)性化推薦技術(shù)中，基于內(nèi)容和協(xié)同過濾技術(shù)是最為成功和應(yīng)用最為廣泛的個(gè)性化推薦技術(shù)。本專利給出一種基于協(xié)同過濾和內(nèi)容的多維度智能課程推薦系統(tǒng)。

【發(fā)明內(nèi)容】

[0003]本發(fā)明所要解決的問題:當(dāng)前選課系統(tǒng)的關(guān)聯(lián)性差，針對性不足，學(xué)生選課盲目。
[0004]為解決上述問題，本發(fā)明采用的方案如下:
[0005]一種智能選課推薦的方法，包括以下步驟:
[0006]S1:通過計(jì)算獲得與當(dāng)前學(xué)生網(wǎng)上選課行為相似的學(xué)生的集合，綜合這一集合中的學(xué)生對可選課程的評價(jià)計(jì)算當(dāng)前學(xué)生對課程的網(wǎng)上選課行為的預(yù)測評分，獲得當(dāng)前學(xué)生的推薦選課集Class_setl ；
[0007]S2:通過計(jì)算獲得與當(dāng)前學(xué)生的課程評分相似的學(xué)生的集合，綜合這一集合中的學(xué)生對可選課程的評價(jià)計(jì)算當(dāng)前學(xué)生對課程評分預(yù)測值，獲得當(dāng)前學(xué)生的推薦選課集Class_set2 ；
[0008]S3:通過計(jì)算獲得與當(dāng)前學(xué)生的選課相似的學(xué)生的集合，將已經(jīng)被這一集合中的學(xué)生選擇的課程作為當(dāng)前學(xué)生的推薦選課集Class_set3 ；
[0009]S4:通過課程圖譜樹得到推薦選課集Class_set4 ；
[0010]S9:綜合 Class_setl、Class_set2、Class_set3 和 Class_set4 得到推薦選課集。
[0011]進(jìn)一步，根據(jù)本發(fā)明的智能選課推薦的方法，所述步驟SI包括:
[0012]Sll:獲取學(xué)生對課程的網(wǎng)上選課行為的評分:Pu ；
[0013]S12:計(jì)算各學(xué)生與當(dāng)前學(xué)生網(wǎng)上選課行為的相似度:
【權(quán)利要求】
1.一種智能選課推薦的方法，其特征在于，包括以下步驟: S1:通過計(jì)算獲得與當(dāng)前學(xué)生網(wǎng)上選課行為相似的學(xué)生的集合，綜合這一集合中的學(xué)生對可選課程的評價(jià)計(jì)算當(dāng)前學(xué)生對課程的網(wǎng)上選課行為的預(yù)測評分，獲得當(dāng)前學(xué)生的推薦選課集; S2:通過計(jì)算獲得與當(dāng)前學(xué)生的課程評分相似的學(xué)生的集合，綜合這一集合中的學(xué)生對可選課程的評價(jià)計(jì)算當(dāng)前學(xué)生對課程評分預(yù)測值，獲得當(dāng)前學(xué)生的推薦選課集set2 ； S3:通過計(jì)算獲得與當(dāng)前學(xué)生的選課相似的學(xué)生的集合，將已經(jīng)被這一集合中的學(xué)生選擇的課程作為當(dāng)前學(xué)生的推薦選課集Class_set3 ； S4:通過課程圖譜樹得到推薦選課集； S9:綜合 Class_setl、Class_set2^ Class_set3 和 Class_set4 得到推薦選課集。
2.如權(quán)利要求1所述的智能選課推薦的方法，其特征在于，所述步驟SI包括: 511:獲取學(xué)生對課程的網(wǎng)上選課行為的評分'Plj ； 512:計(jì)算各學(xué)生與當(dāng)前學(xué)生網(wǎng)上選課行為的相似度:
3.如權(quán)利要求1所述的智能選課推薦的方法，其特征在于，所述步驟S2包括: 521:獲取學(xué)生對課程的評分'Clj ； 522:計(jì)算與當(dāng)前學(xué)生評分相似度
4.如權(quán)利要求1所述的智能選課推薦的方法，其特征在于，所述步驟S3包括: 531:計(jì)算與當(dāng)前學(xué)生的選課相似度:
5.如權(quán)利要求1所述的智能選課推薦的方法，其特征在于，所述步驟S4包括: 541:獲取課程圖譜P{ (V, B, W) };其中，K為課程集合必為課程間關(guān)聯(lián)關(guān)系集合.,為課程間關(guān)聯(lián)關(guān)系的權(quán)重值的集合； 542:從課程圖譜 G 中獲取療
6.如權(quán)利要求1所述的智能選課推薦的方法，其特征在于，該方法還包括步驟S5:從同專業(yè)的近三年內(nèi)的學(xué)長所選的課程中得到推薦選課集ClaSS_Set5 ;所述步驟S9還包括合并Class_set5的步驟。
7.如權(quán)利要求1所述的智能選課推薦的方法，其特征在于，所述步驟SI獲得的選課集Class_setl包含有網(wǎng)上選課行為的評分的預(yù)期值；所述步驟S2獲得的選課集包含有課程評分的預(yù)期值；所述步驟S3獲得的選課集包含有選課人數(shù)值；所述步驟S4獲得的選課集包含有課程間關(guān)聯(lián)關(guān)系的權(quán)重值之和；所述步驟S9包括: 591:合并= Class—setl U Class_set2 U Class_set3 U Class_set4 ； 592:計(jì)算(Jl3ss_set 中課程的優(yōu)先值 Priori故.=a X +^X ts^ + c XCpi +dXwtj ;其中為Gleiss_sot中第i個(gè)課程的優(yōu)先值，tat為Class_set中第i個(gè)課程的網(wǎng)上選課行為的預(yù)測評分；tSi為Glass_set中第i個(gè)課程的評分的預(yù)期值現(xiàn)為Class_set中第i個(gè)課程對應(yīng)的選課人數(shù)值-,Wtj為(Jl￡iss_SGt中第i個(gè)課程對應(yīng)的課程間關(guān)聯(lián)關(guān)系的權(quán)重值之和'a、b、c、d為常量；S93 ^hKXlEiSS-Set中選擇優(yōu)先值最高的前ASi門課程作為最終的推薦選課 集。
【文檔編號】G06Q50/20GK104008515SQ201410246038
【公開日】2014年8月27日 申請日期:2014年6月4日 優(yōu)先權(quán)日:2014年6月4日
【發(fā)明者】尹巖, 嚴(yán)敏, 林文薈, 李海 申請人:江蘇金智教育信息技術(shù)有限公司