[發明專利]基于學生屬性的課程推薦方法及系統

有效

• 申請號: 201510090638.3
• 申請日: 2015-02-28
• 公開（公告）號: CN104680453B
• 公開（公告）日: 2017-10-03
• 發明（設計）人: 沈苗
• 申請（專利權）人: 北京大學
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06F17/30
• 代理公司: 北京聯創佳為專利事務所(普通合伙)11362
• 代理人: 郭防,劉美蓮

技術領域

本發明涉及一種推薦方法及系統，尤其是一種基于學生屬性的課程推薦方法及系統。

背景技術

隨著互聯網技術的高速發展，信息過載問題亟須解決。用戶希望從海量信息中快速準確的獲取所需信息，信息創造者則希望其信息能夠在海量數據中被迅速發掘并應用。在此情況下，互聯網的技術從最初的分類目錄到搜索引擎再到推薦引擎，在電子商務中得到了快速發展，其中推薦引擎是近些年學術界和產業界研究的重點，推薦引擎實現了用戶與信息間的主動交互，通過用戶行為和特征“猜測”用戶感興趣的內容并進行推薦，是一種根據不同用戶的特點進行推薦的個性化服務。

首先關注學生在常規選課系統中如何實現選課，一般來說，學生根據學校的培養手冊計算本學期所需學分，根據學分要求分類，針對不同的課程類別分別選擇課程，例如本學期計劃選擇4學分的通選課，然后開始瀏覽，關注課程類型、授課教師、學分、學時、上課時間等課程因素，找到符合自己要求的課程進行選擇，選擇后選課系統會提示是否符合選課條件(如有某種先行課的要求或有專業限制要求等)、上課時間與本學期的必修課或已選課程是否沖突。如果選課失敗，學生需要重新去瀏覽其他通選課程。這里提出的問題是學生在有一定限制(學分和課程類型限制)的情況下，面對信息過載(幾千門可選課程)所采用的常規措施。在此過程中學生已經根據自身特點進行了一定的分類，但是這種簡單的分類并沒有明確學生的需求，有些學生面對眾多課程甚至無法通過關鍵字來搜索自己可能感興趣的方向，需要人或工具來幫助他做出篩選，給出建議供其選擇，事實上大部分學生也確實這樣做了——通過詢問身邊同學或學長隨便選擇一些課程以滿足學分要求。這樣做導致的主要弊端有二：學生不能根據個人情況私人定制自己的學習計劃(如愛好、實力、當前學業進展等)；某些精品課程由于知選課人數較少最終停開，浪費教學資源。學生也不能時時刻刻都去咨詢“前輩”，所以，一個個性化的課程推薦系統顯得尤為重要。

除常規選課系統出現的上述問題外，在選課過程中，學生從大量開設的課程中找到符合自己要求的課程也是一件非常困難的事情，因為學生大部分情況下沒有特別明確的需求，無法通過關鍵字搜索進行查詢，因此各種課程想要更加突出自己的特點讓學生去關注，讓學生更好的利用教學資源，也是一件非常困難的事情。推薦系統的基本任務就是解決這個矛盾的，常規選課系統的課程推薦引擎一方面讓學生更了解自身特點挖掘適合的課程，另一方面讓學校的教學資源得到充分的展示，實現學校、學生共贏的局面。如圖1所示是課程推薦引擎的基本任務圖——聯系學生和課程，解決課程信息過載的問題。

申請號為200910080946.2的專利申請公開了一種基于客戶特征的協同過濾推薦方法和系統；申請號為201180071727.3的專利申請公開了一種用于提供基于特征的協同過濾的方法和裝置；申請號為201310094323.7的專利申請公開了一種基于興趣圖譜的推薦引擎；申請號為201310443008.0的專利申請公開了一種基于電子商務平臺的保險推薦系統框架及保險推薦方法；申請號為201410196044.6的專利申請公開了一種基于產品相似度的電子商務推薦系統及其方法；但是上述系統或方法均屬于商品推薦，以商品為研究對象，并不能直接運用于課程推薦；因為課程推薦與商品推薦相比有許多獨特的地方：

1)推薦目標不同。商品推薦的目的是盡可能的推廣商品，只要能獲取利潤，不用考慮商品資源平衡、商品類型等因素。而課程推薦從宏觀上講，其目的是促進優質教育資源普及共享，提高教育質量、促進教育公平、構建學習型社會和人力資源強國；從學校角度，推薦的目的是使更多的課程被學生知曉，甚至面向社會，發揮教育資源最大的作用，為學生提供更大的便利；從學生角度，推薦的目的是使學生全面了解學校資源，更好的統籌規劃自己的培養計劃，更多的體驗自己感興趣的課程，最終成為全面發展人才。綜合來講，課程推薦的目的是使每位學生都明確適合自己的培養方案并選擇自己感興趣、有價值的課程；使學校的教學資源得到更合理的利用。

2)“馬太效應”。選課系統在消除“馬太效應”上的要求比電子商務中的商品推薦具有更高的要求，研究表明推薦系統是具有一定馬太效應的。在電子商務中的商品推薦系統中，一定的馬太效應對推薦的效果并不一定完全有害，比如在某個時段流行的商品或者歌曲在很大程度上大部分人都會喜歡，這個時候把這件商品或者歌曲推薦給每個用戶也不會有很大的問題，這種情況下馬太效應反而會給電子商務網站帶來很大的收益。但是選課系統的要求則完全不同，選課系統要求完全消除馬太效應，某門課的選課人數是有上限的，不可能給每個人都推薦同一門課程。如果選課人數達到上限，推薦引擎應該馬上停止推薦這門課程。