本发明涉及技术领域,特别是涉及面向大学生群体的智慧课程推荐方法、系统及存储介质。
背景技术:
作为一种新的教育模式,智慧学习的基础是智慧设备和智慧技术,智慧的学习通常是基于情景感知的无处不在的学习。开放式和动态智慧学习平台的重点是学生和内容,而不是设备,要有效和智慧地基于it基础设施进行学习。深入了解学生的行为和学习模式对研究人员和教育工作者来说是非常重要的,他们可以开发出更有效的学习工具和策略。
rashid定义的推荐系统是一种决策策略,为复杂信息环境下的给定用户提供项目建议。推荐系统已经在电子商务领域取得了成功,这是一种帮助用户找到他们想要购买的产品的工具。由于电子学习平台的信息过于丰富,用户需要很长时间才能找到他们真正需要的东西。推荐系统使用诸如聚类和/或学生评分等技术来寻找其他类似的学生,并根据之前的学生的学习情况提供建议。
tang&mccalla提供了一个电子学习系统,旨在向学生推荐会议论文和书籍章节等技术文章。该系统的主要目的是利用聚类方法来寻找学生兴趣点,这些建议仅基于论文的使用和评分。
chen等人提出了面向学生的个性化课程推荐系统。它根据学生的反应提供适当的课程材料,系统重新评估学生的能力。该系统缺乏处理以往学生信息的能力。
kumaran&sankar提出了一个个性化的推荐框架,它使用一个语义网络来代表学生的个人信息和领域知识。
这些建议基于学生的评分和表现,提出的解决方案缺乏适应不断变化的个性化目标的能力,因此,该系统缺乏处理广泛的个性化目标的机制,例如学术研究、职业追求、兴趣与欲望等。
现有技术存在的技术问题是,大学生在自主选课时,不清楚如何为自己的目标选择合适的课程,比如,学生的目标有出国、考研、学术研究或者职业追求,不同的学生如果设置同样的课程,可能满足不了大学生个性化的需求,但是,完全放权给大学生,让大学生自己选择,又存在学生面对纷繁复杂的课程,不知道该如何选择的问题。
技术实现要素:
为了解决现有技术的不足,本发明提供了面向大学生群体的智慧课程推荐方法、系统及存储介质,当确认一个新的学生目标时,必须启动课程推荐引擎以激活适当的应用程序,来执行所期望的目标。我们提出了一种新的推荐算法,它探究了课程与学生目标之间的联系。并通过对学生使用智慧学习的评价,讨论了算法的有效性及可用性。
本发明的第一方面提供了一种面向大学生群体的智慧课程推荐方法;
面向大学生群体的智慧课程推荐方法,包括:
步骤(1):获取学生当前的选课行为数据、选课历史数据以及用户目标数据;
步骤(2):根据选课历史数据,搭建学生与课程之间的关系矩阵;
步骤(3):根据学生当前的选课行为对步骤(2)已经搭建好的学生与课程之间的关系矩阵进行更新,得到更新后的学生与课程之间的关系矩阵;
步骤(4):每一种用户目标数据都对应一个预先设定的选课系数矩阵,预先设定的选课系数矩阵中每个元素的取值是预先设定的;建立推荐结果与当前选课行为的目标函数,将目标函数最小化,得到的推荐结果输出。
进一步的,所述步骤(1)中,
所述选课行为数据,包括:所有用户对课程的选择动作记录或者放弃动作记录;
选课历史数据,包括:每个学生已选的历史课程记录;
用户目标数据,包括:目标考研专业、目标出国领域或目标工作岗位;
进一步的,所述步骤(2)中,
所述学生与课程之间的关系矩阵a'的元素的取值为0或1,其中,0表示学生没有选择某课程,1表示学生选择了某课程;矩阵的大小为m×n,其中m代表的学生数量,n代表课程的数量。
进一步的,所述步骤(3)中,
如果当前选中某课程,那么更新后的关系矩阵的元素置为1。
进一步的,所述步骤(4)中,
其中,aij表示学生i选择课程j的数据,
如果aij=0表示学生i未选择课程j;
如果aij=1表示学生i选择了课程j;
wij表示课程推荐结果的相关系数,课程推荐结果的相关系数是预先根据用户目标数据设置的;
将公式(1)表示为公式(2)所示的矩阵形式:
其中,a表示更新后的学生与课程之间的关系矩阵,a的元素是aij;
w表示预先设定的选课系数矩阵,是矩阵a的系数矩阵,w的元素是wij;
目标函数:
其中,||·||f表示frobenius正则项,||||0表示0范数,数据项
进一步的,所述方法还包括:
步骤(5):针对推荐数据,人工进行推荐结果的进行评价与优化。
本发明的第二方面提供了一种面向大学生群体的智慧课程推荐系统;
面向大学生群体的智慧课程推荐系统,包括:存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成上述任一方法所述的步骤。
本发明的第三方面提供了一种计算机可读存储介质;
计算机可读存储介质,其上运行有计算机指令,所述计算机指令被处理器运行时,完成上述任一方法所述的步骤。
与现有技术相比,本发明的有益效果是:
本发明将用户的目标与选课行为进行融合,从而提高用户选课行为预测结果的正确率与精度,实现了课程的智慧推荐和针对性推荐,让准备出国、准备考研或者准备工作的学生可以根据自己的目标来选择自己需要学习的课程,而不是盲目的选择。在本发明中,基于相似学生的实际目标,由系统自动收集数据。而许多推荐系统则依赖于学生的评分和表现。面向目标的推荐系统的优点是使用面向目标的方法来寻找相似的学生,而不需要预先定义。本发明能够有效减少服务过载,解决用户迷失方向。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明的流程图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
作为本发明的第一个实施例,
如图1所示,面向大学生群体的智慧课程推荐方法,包括:
步骤(1):获取学生当前的选课行为数据、选课历史数据以及用户目标数据;
所述选课行为数据,包括:所有用户对课程的选择动作记录或者放弃动作记录;
选课历史数据,包括:每个学生已选的历史课程记录;
用户目标数据,包括:目标考研专业、目标出国领域或目标工作岗位;
步骤(2):根据选课历史数据,搭建学生与课程之间的关系矩阵;
所述学生与课程之间的关系矩阵a'的元素的取值为0或1,其中,0表示学生没有选择某课程,1表示学生选择了某课程;矩阵的大小为m×n,其中m代表的学生数量,n代表课程的数量。
步骤(3):根据学生当前的选课行为对步骤(2)已经搭建好的学生与课程之间的关系矩阵进行更新,得到更新后的学生与课程之间的关系矩阵;如果当前选中某课程,那么更新后的关系矩阵的元素置为1。
步骤(4):每一种用户目标数据都对应一个预先设定的选课系数矩阵,预先设定的选课系数矩阵中每个元素的取值是预先设定的;建立推荐结果与当前选课行为的目标函数,将目标函数最小化,得到的推荐结果输出:
其中,aij表示学生i选择课程j的数据,
如果aij=0表示学生i未选择课程j;
如果aij=1表示学生i选择了课程j;
wij表示课程推荐结果的相关系数,课程推荐结果的相关系数是预先根据用户目标数据设置的;
将公式(1)表示为公式(2)所示的矩阵形式:
其中,a表示更新后的学生与课程之间的关系矩阵,a的元素是aij;
w表示预先设定的选课系数矩阵,是矩阵a的系数矩阵,w的元素是wij;
目标函数:
其中,||·||f表示frobenius正则项,||||0表示0范数,数据项
进一步的,所述方法还包括:
步骤(5):针对推荐数据,人工进行推荐结果的进行评价与优化。
本发明的第二个实施例提供了一种面向大学生群体的智慧课程推荐系统;
面向大学生群体的智慧课程推荐系统,包括:存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成上述任一方法所述的步骤。
本发明的第三个实施例提供了计算机可读存储介质,其上运行有计算机指令,所述计算机指令被处理器运行时,完成上述任一方法所述的步骤。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。