基于改进的混合模式个性化选课推荐技术研究

›› 2016, Vol. 29 ›› Issue (1): 152-.

基于改进的混合模式个性化选课推荐技术研究

齐婷,佟国香

(1.上海理工大学光电信息与计算机工程学院,上海 200093;2.上海市现代光学系统重点实验室,上海 200093)

出版日期:2016-01-15 发布日期:2016-02-25
作者简介:齐婷(1990—),女,硕士研究生。研究方向:个性化推荐技术。佟国香(1968—),女,副教授,硕士生导师。研究方向:计算机控制应用等。
基金资助:
上海市教育委员会科研创新重点基金资助项目(10ZZ94;12YZ094)

Research on Improved Personalized Courses Recommendation Technology Based on Mixed Mode

QI Ting,TONG Guoxiang

(1.School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China;
2.Shanghai Key Laboratory of Modern Optical Systems,Shanghai 200093,China)

Online:2016-01-15 Published:2016-02-25

摘要/Abstract

摘要：

针对高等学校学生选课系统中存在的缺乏个性化课程推荐、选课效率较低的问题,通过对个性化推荐技术的分析研究,提出了基于内容、项目及用户属性的改进混合模式算法,并将该算法应用到选课系统中,用MACE数据集对算法进行验证。结果表明,该算法解决了个性化推荐技术中的冷启动问题,相关指标有明显提高,实现了课程与新课程的个性化推荐,并减少了选课的盲目性。

关键词: 个性化推荐, 混合模式, 相似度, 用户聚类

Abstract:

Problems of lacking in individualized curriculum recommendations and inefficiency exist in current course selection systems of institutions of higher education.In allusion to these limitations,this paper presents a improved mixed model algorithm based on the content,project and user attribute-value through analysis and study of personalized recommendation technology.The proposed algorithm has been successfully applied to the elective system.Experimental results indicate that the proposed approach can solve cold-start technology in personalized recommendation algorithm,improve the related indicators significantly,achieve a personalized recommendation and new courses recommendation and reduce the blindness by the MACE data sets.

Key words: personalized recommendation;mixed mode;similarity;user clustering

中图分类号:

TP18

齐婷,佟国香. 基于改进的混合模式个性化选课推荐技术研究[J]. , 2016, 29(1): 152-.

QI Ting,TONG Guoxiang. Research on Improved Personalized Courses Recommendation Technology Based on Mixed Mode[J]. , 2016, 29(1): 152-.

[1]	郝苗,陈临强. PMI与Hownet结合的中文微博情感分析[J]. 电子科技, 2021, 34(7): 50-55.
[2]	徐航帆,刘丛,唐坚刚,彭敦陆. 改进地标点采样的加速谱聚类算法[J]. 电子科技, 2021, 34(5): 47-53.
[3]	许凤翔. 一种改进相似度的协同过滤算法实现[J]. 电子科技, 2020, 33(2): 54-59.
[4]	卢佳伟,陈玮,尹钟. 融合TextRank算法的中文短文本相似度计算[J]. 电子科技, 2020, 33(10): 51-56.
[5]	杜美君,张伟,谢亚莲. 基于粒子群算法的PID控制器参数优化[J]. 电子科技, 2019, 32(6): 7-11.
[6]	李欣悦,李玉洁. 基于大数据分析的中学生身心素质监测与评价[J]. 电子科技, 2019, 32(4): 85-90.
[7]	邵清，叶琨. 基于编辑距离和相似度改进的汉字字符串匹配[J]. , 2016, 29(9): 7-.
[8]	李映,李玉龙,王阳萍. 一种改进的混合协同过滤推荐算法[J]. , 2016, 29(4): 45-.
[9]	张雅科. 基于模糊权重相似性的协同过滤算法研究[J]. , 2015, 28(7): 111-.
[10]	余婷. 基于结构相似度的图像去噪新方法[J]. , 2015, 28(3): 1-.
[11]	苏艳, 刘珅砚. 基于矩阵相似度的专家客观权重确定方法[J]. , 2014, 27(2): 7-.
[12]	罗灏,徐小良,吕跃华. 科技项目申请书关键词提取方法[J]. , 2013, 26(7): 7-.
[13]	徐漫飞. 基于频率、空间和方向的图像质量评估[J]. , 2013, 26(4): 25-.
[14]	聂建华, 丁琳, 酆峰. 基于CBR循环发电机组故障诊断系统研究[J]. , 2013, 26(4): 33-.
[15]	谢林燕, 戚银城, 孙卓. 地点信息在话题检测中的应用[J]. , 2012, 25(1): 96-.