论文部分内容阅读
伴随“互联网+”的提出,信息技术已不仅仅停留在专业领域,而是逐步与各个传统行业相融合。新经济形态下的互联网服务和应用已然渗透到人们生活的方方面面,人类原有的活动正在向着方便化、快捷化、智能化发展。特别是云计算、大数据技术的应用,为用户在海量的数据中寻找其所需的信息,从某种程度来说用户已不仅仅是信息的使用者,更是信息的制造者、传播者,与此同时信息推送成为业界及学术界探讨的热点话题,个性化信息推送在电子商务平台、数字图书馆技术、互联网在线学习等领域已成为公认的最具发展的技术。其中推送服务已经在各行业中初见成效,但是在教育领域发展相对缓慢。其原因是多方面的,教育信息复杂多样、涉及隐私甚多、数字化校园不够成熟等。本文就高校网络选课平台中课程类型及数量众多,学生选课盲目问题进行研究,旨在为“十二五”规划提出的“智慧校园”尽绵薄之力,通过机器学习中的混合推荐方法设计推送服务的算法,力图为学生选择合适的课程提供参考,为教育智能推送提出一种思路。本文主要内容有以下5点:(1)首先,对高校选课制度下的几个重要概念进行界定,确定本文的研究重点为“选修课”,明确提出选修课存在的诸多问题。其次,对信息推送的历史及现状进行梳理,提出应用信息推送方法解决学生选择选修课(基于高校网络平台)的盲目性问题。(2)对信息推送中的信息过滤技术进行全面的对比,并就基于机器学习的混合推送算法、协同过滤算法、及基于内容的推荐算法进行了深刻的分析。明确各种技术的局限性并结合本文研究,提出减少学生选课盲目性的课程推送算法设计思路。(3)将基于内容的推荐算法作为课程分类的主体思路,建构课程分类模型。具体方法是采用文本挖掘处理“S高校电子商务专业人才培养方案”中的课程概述。(4)将协同过滤推荐算法中基于用户的推荐技术作为学生聚类的主体思路,构建学生相似度模型。即将学生数据量化并转化为规定格式,聚类获得相似度的过程。(5)设计算法。根据教育数据的复杂性及S高校电子商务专业的实际情况,对算法进行设计,混合推荐作为整体架构,协同过滤为主,基于内容为辅。最终使用实验数据验证算法的准确性,并对推荐结果进行分析。