一種基于決策圖的智能選課方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于大學(xué)教育技術(shù)領(lǐng)域，尤其涉及一種基于決策圖的智能選課方法。
【背景技術(shù)】
[0002] 大學(xué)期間，各個專業(yè)的學(xué)生所共同面臨的問題是：選修課數(shù)量比較多；很多選修 課教學(xué)內(nèi)容比較新穎；不同的選修課具有不同的基礎(chǔ)知識需求；另外，學(xué)生對各門選修課 的內(nèi)容和要求缺乏必要的了解，同時學(xué)生對自身的知識積累也缺乏細致的評價。這些原因 導(dǎo)致的結(jié)果就是學(xué)生在各門選修課的選課過程中較為盲目，所選擇的部分選修課程并不適 合該學(xué)生的學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)特性，從而造成學(xué)生學(xué)時和教學(xué)資源的浪費。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種基于決策圖的智能選課方法，旨在智能化的對"各門 選修課的內(nèi)容和要求"和"學(xué)生的學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)特性件"進行匹配，幫助學(xué)生根據(jù)自身情 況選擇實際所需要的課程，從而更好地利用學(xué)生學(xué)時和教學(xué)資源的浪費。
[0004] 本發(fā)明是這樣實現(xiàn)的，一種基于決策圖的智能選課方法，所述基于決策圖的智能 選課方法包括：
[0005] 必修課分值設(shè)置的區(qū)間化，根據(jù)學(xué)生i的必修課j的成績P，建立一個總體掌握 能力的評價，將評價結(jié)果分為優(yōu)、良、中、及格和不及格，對應(yīng)的百分制范圍為[100, 90]優(yōu) [89, 80]良[79, 70]中[69, 60]及格[59, 0]不及格；
[0006] 引入信息增益的思想，對決策圖中的必修課節(jié)點出現(xiàn)順序進行排序；
[0007] 構(gòu)造選修課Xi的決策圖D。
[0008] 進一步，所述信息增益指標生成必修課排序具體方法如下：
[0009] 選修課X的2種可能成績：Pass和Fail，統(tǒng)計一組學(xué)生中各個成績的實例個數(shù)分 別為Nl和N2,按照下式計算H(X):
[0011] 必修課B可能的取值是5類，統(tǒng)計一組學(xué)生必修課B的成績獲得類別i的實例個 數(shù)分別為Mi ;并且類別i的所有實例Mi中選修課X的成績分類分別為：Nli和N2i。按照 下式計算H (X|B):
[0015] 根據(jù)H (X)和H(X|B)，按照下式計算必修課B的信息增益指標值IG(B):
[0016] IG(B) = H(X)-H(XjB)；
[0017] 根據(jù)所計算的信息增益指標，從大到小對必修課進行排序得到必修課排序。
[0018] 進一步，所述構(gòu)造選修課Xi的決策圖D具體方法如下：
[0019] 構(gòu)造決策圖D的頂節(jié)點（Si, Bi)，i = 1，其中Sl是全體學(xué)生集合，Bl是信息增益 最大的必修課；把（Si, Bi)壓入堆棧Stack中；
[0020] 彈出堆棧stack的棧頂元素（Si, Bi);
[0021] 針對（Si, Bi)查找Hash表，如果hash表中記錄"（Si, Bi)，Di "存在，則用決策圖 中的Di代替（Si, Bi)節(jié)點；
[0022] 若Si中的學(xué)生通過選修課Xi的比例超過Q，則用決策圖中的選修課葉子節(jié)點Xi 代替（Si, Bi)節(jié)點；
[0023] 若Bi是最后一個必修課了，Si中的學(xué)生通過選修課Xi的比例不超過Q，則丟棄 (Si, Bi)節(jié)點；
[0024] 若Bi不是最后一個必修課了，Si中的學(xué)生通過選修課Xi的比例不超過Q，則根 據(jù)必修課Bi可能的取值是5類，從（Si, Bi)伸出5個分叉，每個分叉j代表Bi的一個不同 類，從而形成5個決策圖節(jié)點（Sj，Bj})，Sj是Si中分值取在分叉j代表類中的學(xué)生集合。 Bj是信息增益排序中Bi的下一個必修課；并把5個決策圖節(jié)點（Sj, Bj})壓入堆棧Stack 中；轉(zhuǎn)步驟彈出堆棧stack的棧頂元素（Si, Bi)。
[0025] 本發(fā)明提供的基于決策圖的智能選課方法，與現(xiàn)有技術(shù)相比，具有以下優(yōu)勢：
[0026] 1、不同的必修課排序會導(dǎo)致不同大小的決策圖。若隨意選擇必修課排序容易造成 決策圖尺度過大的問題。本發(fā)明基于信息增益指標生成必修課排序能夠大大縮小決策圖尺 度。
[0027] 2、選修課X的決策圖生成過程中存在大量同構(gòu)子圖，如果不進行同構(gòu)子圖共享容 易造成決策圖尺度過大的問題。本發(fā)明基于Hash表的信息增益指標生成必修課排序能夠 大大縮小決策圖尺度。
[0028] 3、為了進一步減小決策圖尺度，還采用了基于分檔的必修課節(jié)點分支構(gòu)造技術(shù)， 避免必修課節(jié)點的過多分支出現(xiàn)；通過設(shè)置百分比Q把學(xué)習(xí)效果歸類，避免必修課節(jié)點的 過長分支出現(xiàn)。
【附圖說明】
[0029] 圖1是本發(fā)明實施例提供的基于決策圖的智能選課方法流程圖。
[0030] 圖2是本發(fā)明實施例提供的隨機生成必修課排序形成決策圖的狀態(tài)圖。
[0031] 圖3是本發(fā)明實施例提供的采用信息增益指標生成必修課排序形成決策圖的狀 態(tài)圖。
[0032] 圖4是本發(fā)明實施例提供的沒有采用Hash同構(gòu)共享處理的狀態(tài)圖。
[0033] 圖5是本發(fā)明實施例提供的采用Hash同構(gòu)共享處理的狀態(tài)圖。
【具體實施方式】
[0034] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合實施例，對本發(fā)明 進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于 限定本發(fā)明。
[0035] 下面結(jié)合附圖對本發(fā)明的應(yīng)用原理作進一步描述。
[0036] 如圖1所示，本發(fā)明實施例的基于決策圖的智能選課方法包括以下步驟：
[0037] SlOl :必修課分值設(shè)置的區(qū)間化，根據(jù)學(xué)生i的必修課j的成績P，建立一個總 體掌握能力的評價，可以將評價結(jié)果分為優(yōu)、良、中、及格和不及格，對應(yīng)的百分制范圍為 [100, 90]優(yōu)[89, 80]良[79, 70]中[69, 60]及格[59, 0]不及格；
[0038] S102 :引入信息增益的思想，對決策圖中的必修課節(jié)點出現(xiàn)順序進行排序；
[0039] S103 :構(gòu)造選修課Xi的決策圖D。
[0040] 下面結(jié)合附圖對本發(fā)明的應(yīng)用原理作進一步的說明。
[0041 ] (1)基于分檔的必修課節(jié)點分支構(gòu)造：
[0042] 把學(xué)生各門必修課的成績作為學(xué)生的已有的學(xué)習(xí)基礎(chǔ)。必修課的成績通常是百分 制的。若直接用于決策圖中必修課節(jié)點的分支構(gòu)造，容易造成決策圖尺度過大的問題。本 發(fā)明將學(xué)生各門必修課的成績評價結(jié)果分為 5檔：優(yōu)、良、中、及格和不及格；分別對應(yīng)的百 分制范圍為[100, 90]、[89, 80]、[79, 70]、[69, 60]、[59, 0]。這樣把決策圖中必修課節(jié)點的 分支構(gòu)造從百分制的100種分類，降為5檔分類。
[0043] (2)基于信息增益指標的必修課排序；
[0044] 在決策圖中每一層的必修課節(jié)點對應(yīng)一門必修課，從而按照自頂向下的排列就形 成了必修課排序。不同的