[發明專利]一種基于協同過濾的智慧選課推薦方法

有效

• 申請號: 201811213193.3
• 申請日: 2018-10-18
• 公開（公告）號: CN109299372B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 袁玉波;葉宣佐;陳琛;劉智海
• 申請（專利權）人: 浙江正元智慧科技股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06Q50/20
• 代理公司: 浙江杭知橋律師事務所 33256
• 代理人: 王梨華;陳麗霞

1.一種基于協同過濾的智慧選課推薦方法，其特征在于，包括以下步驟：

步驟1，獲取學生信息數據，經數據處理后得到學生特征數據集；

步驟2，根據學生特征數據集計算得到待推薦學生的相似學生集合；獲取學生特征數據集中的特征信息，利用Pearson系數計算待推薦學生E和往屆學生{x1,x2,x3,...,xn}的相似度，計算公式如下：

其中，SIM(E,x_i)表示待推薦學生E和x_i的相似度，為E和x_i第j個特征的值，表示為E和x_i所有特征的均值；

將相似度最高的m名學生構成集合D＝{y₁,y₂,y₃,...,y_m}，獲取集合中學生的所有選課記錄構成不重復的課程集合，去除其中待推薦學生不可選課程，獲取可選擇課程集合F＝{s₁,s₂,s₃,...,s_u}；

步驟3，將所有課程集合中的課程劃分為熱門課程和冷門課程；

步驟4，通過學生對已選課程在學習結束后進行評價，得到課程評價特征數據集；

步驟5，根據步驟4中的課程評價特征數據集分別計算熱門課程和冷門課程的推薦度評分，對待推薦學生進行課程推薦，

采用加權平均法，對于每門課程，計算推薦度評分P：

其中，P_i為課程s_i的推薦度評分，s_ij為課程s_i第j個特征的值，w_j為特征權重，N為特征的個數；

每一項特征值的權重根據學生對于課程關注重點的排序，采用分層分析法進行設置，同時課程綜合評分這一特征占最大權重，課程關注點排序確定了各特征兩兩之間的相對重要性，建立顯示各特征重要性比例的判斷矩陣G，計算判斷矩陣G最大特征根λ_max和其對應的經歸一化后的特征向量W，則該特征向量即為描述各特征權重的權重向量；

根據具體推薦系統設定評分基準閾值，在熱門課程集合F₁中得到推薦度評分最高的k門課程構成集合H₁，在冷門課程集合F₂中得到推薦度評分最高的k門課程構成集合H₂，將顯示H₁集合和H₂集合給待選學生。

2.根據權利要求1所述的一種基于協同過濾的智慧選課推薦方法，其特征在于：步驟1中，學生信息數據包括往屆學生信息和待推薦學生信息，往屆學生信息和待推薦學生信息均包括個人基本信息和特征信息，個人基本信息包括學院、性別、專業，特征信息包括興趣課程大類、興趣課程小類、愛好、課程關注重點。

3.根據權利要求2所述的一種基于協同過濾的智慧選課推薦方法，其特征在于：課程關注重點包括課程內容豐富度、實用性、考評內容、主講教師評價，學生根據特征信息按照個人需求對選擇關注點進行排序選擇。

4.根據權利要求3所述的一種基于協同過濾的智慧選課推薦方法，其特征在于：步驟1中，數據處理方法為根據每個特征信息進行編號，并根據編號對每個學生對應的特征信息進行錄入，建立學生特征數據集。

5.根據權利要求1所述的一種基于協同過濾的智慧選課推薦方法，其特征在于：步驟3中，將所有課程集合中的課程劃分為熱門課程和冷門課程的過程包括：將所有課程劃分為熱門課程F₁、冷門課程F₂兩個子集，兩個子集中均包括累計選課人數、網上選課行為中的課程點擊率、課程人數飽和度3個選課特征，根據3個選課特征對所有課程進行聚類，用K-means算法進行計算：

SE表示所有數據樣本的均方差之和；k為聚類的個數，Ci表示第i個聚類，q為樣本數據，Mi為聚類Ci的平均值。