本文關(guān)鍵詞：面向?qū)嵺`教學(xué)系統(tǒng)選課推薦算法的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著選課制在高校的普及,教育也逐漸走向網(wǎng)絡(luò)化和信息化,在這樣一個計算機網(wǎng)絡(luò)普及的信息化時代,選課過程也自然趨于網(wǎng)絡(luò)化。但是由于深受學(xué)年制和傳統(tǒng)觀念等因素,現(xiàn)行選課制度還不夠完善。同時,選課制在體現(xiàn)新的教學(xué)觀念和培養(yǎng)高素質(zhì)創(chuàng)新人才方面的功能,也沒有充分發(fā)揮出來,因此,建立一套完善的選課推薦系統(tǒng)對當(dāng)今高校選課至關(guān)重要�，F(xiàn)在雖然推薦技術(shù)在眾多領(lǐng)域尤其是電子商務(wù)領(lǐng)域已經(jīng)有了很成熟的發(fā)展,然而,縱觀選課推薦系統(tǒng)的研究現(xiàn)狀,可以發(fā)現(xiàn),由于選課體制在世界各地有很大差異,學(xué)術(shù)界對選課推薦系統(tǒng)的研究還十分欠缺。而在我國,相關(guān)的研究更是少之又少,正是在這樣的背景下,本文展開了對選課推薦算法的研究與應(yīng)用。雖然選課推薦方面已經(jīng)出現(xiàn)了基于協(xié)同過濾的選課推薦算法與改進的混合模式選課推薦算法,但是這些算法僅僅是電子商務(wù)領(lǐng)域推薦算法的生搬硬套,主要有以下幾個方面的缺點：首先,這兩個算法沒有實際的可行性,現(xiàn)在的選課系統(tǒng)根本滿足不了這兩種算法的數(shù)據(jù)維度；其次,這兩個算法都需要大量的學(xué)生的歷史數(shù)據(jù),這對于三年到四年制的大學(xué)生來說,其提供的歷史數(shù)據(jù)根本無法滿足算法的實際要求；最后,這兩個算法都需要根據(jù)用戶的歷史數(shù)據(jù)對用戶進行畫像,其實對于一個學(xué)院或者同一個專業(yè)的學(xué)生來說,對他們畫像沒有太大的實際意義。本文在以上算法存在上述問題的情況下,提出了基于神經(jīng)網(wǎng)絡(luò)思想的選課推薦算法,該算法克服了上述算法的缺點,并且該算法綜合考慮了學(xué)生的興趣和課程之間的關(guān)聯(lián)對學(xué)生進行選課推薦,具有較強的可行性。最后,本文實現(xiàn)了一個簡單的選課系統(tǒng),并且把本文提出的選課推薦算法應(yīng)用到了選課系統(tǒng)中,實現(xiàn)了選課推薦。
【關(guān)鍵詞】：選課系統(tǒng) 推薦技術(shù) 混合模式 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：G434;TP391.3
【目錄】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 緒論9-12
• 1.1 研究背景9-10
• 1.2 研究目的與意義10
• 1.3 研究內(nèi)容10-11
• 1.4 全文組織結(jié)構(gòu)11
• 1.5 本章小結(jié)11-12
• 第二章 推薦系統(tǒng)相關(guān)技術(shù)與研究概述12-21
• 2.1 推薦系統(tǒng)簡介及組成12-13
• 2.1.1 推薦系統(tǒng)簡介12
• 2.1.2 推薦系統(tǒng)組成12-13
• 2.2 現(xiàn)有的推薦系統(tǒng)實例13-14
• 2.3 推薦系統(tǒng)實現(xiàn)技術(shù)14-15
• 2.4 推薦系統(tǒng)常用算法分類15-20
• 2.4.1 基于人口統(tǒng)計學(xué)的推薦算法15
• 2.4.2 基于物品的推薦算法15-16
• 2.4.3 基于用戶的協(xié)同過濾推薦算法16-18
• 2.4.4 基于項目的協(xié)同過濾推薦算法18-20
• 2.5 本章小結(jié)20-21
• 第三章 推薦算法在選課系統(tǒng)中的研究21-28
• 3.1 基于用戶的協(xié)同過濾選課推薦算法21-23
• 3.1.1 協(xié)同過濾概述21-22
• 3.1.2 建立學(xué)生對課程的評價矩陣22
• 3.1.3 搜索學(xué)生的最近鄰居22-23
• 3.1.4 向?qū)W生進行選課推薦23
• 3.2 改進的混合模型選課推薦算法23-25
• 3.2.1 混合選課推薦模型23
• 3.2.2 計算學(xué)生之間的相似度23-24
• 3.2.3 構(gòu)建學(xué)生的課程評分矩陣24-25
• 3.2.4 向?qū)W生進行課程推薦25
• 3.3 兩種選課推薦算法的缺點25-27
• 3.3.1 基于協(xié)同過濾的選課推薦算法缺點分析25-26
• 3.3.2 改進的混合模式選課推薦算法缺點分析26
• 3.3.3 兩種選課推薦算法缺點總結(jié)26-27
• 3.4 本章小結(jié)27-28
• 第四章 基于神經(jīng)網(wǎng)絡(luò)思想的選課推薦算法28-35
• 4.1 神經(jīng)網(wǎng)絡(luò)概述28-29
• 4.2 課程網(wǎng)絡(luò)概述及建立29-31
• 4.3 算法流程圖及描述31-32
• 4.3.1 算法流程圖31
• 4.3.2 選課推薦算法描述31-32
• 4.4 實驗與分析32-33
• 4.4.1 數(shù)據(jù)集32
• 4.4.2 實驗步驟32
• 4.4.3 度量標準32-33
• 4.4.4 實驗結(jié)果分析33
• 4.5 基于神經(jīng)網(wǎng)絡(luò)思想的選課推薦算法理論優(yōu)勢33-34
• 4.6 本章小結(jié)34-35
• 第五章 選課推薦系統(tǒng)的設(shè)計與實現(xiàn)35-48
• 5.1 選課推薦系統(tǒng)架構(gòu)設(shè)計35-41
• 5.1.1 選課系統(tǒng)設(shè)計基礎(chǔ)35-36
• 5.1.2 選課系統(tǒng)技術(shù)框架36-37
• 5.1.3 系統(tǒng)功能結(jié)構(gòu)37-41
• 5.2 選課系統(tǒng)數(shù)據(jù)庫設(shè)計41-46
• 5.2.1 數(shù)據(jù)庫設(shè)計原則41-42
• 5.2.2 選課系統(tǒng)物理結(jié)構(gòu)設(shè)計42-46
• 5.3 系統(tǒng)算法相關(guān)模塊實現(xiàn)46-47
• 5.4 本章小結(jié)47-48
• 第六章 總結(jié)與展望48-50
• 6.1 總結(jié)48
• 6.2 展望48-50
• 參考文獻50-53
• 在學(xué)期間的研究成果53-54
• 致謝54

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 趙智;時兵;;改進的個性化推薦算法[J];長春大學(xué)學(xué)報;2005年06期

2 朱楠;;個性化推薦算法在網(wǎng)絡(luò)教學(xué)中的應(yīng)用[J];科技通報;2013年04期

3 鄭麗琴;;基于關(guān)聯(lián)規(guī)則的推薦算法在游戲搜索引擎中的應(yīng)用[J];湖州師范學(xué)院學(xué)報;2013年06期

4 婁建瑋;劉紅軍;鄭偉;;C#/SQL實現(xiàn)基于項目評分預(yù)測的推薦算法[J];職大學(xué)報;2007年04期

5 楊永健;;基于模糊認知圖和人工神經(jīng)網(wǎng)絡(luò)的個性化推薦算法研究[J];天津職業(yè)院校聯(lián)合學(xué)報;2009年05期

6 董全德;徐旭;;一種新的協(xié)同過濾推薦算法[J];鄂州大學(xué)學(xué)報;2014年04期

7 李娟;;基于命名實體的網(wǎng)頁推薦算法研究[J];咸陽師范學(xué)院學(xué)報;2013年06期

8 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應(yīng)用技術(shù)交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務(wù)個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：268788