基于协同过滤推荐算法的选课系统的设计与实现
发布时间：2021-09-03 20:30
随着经济的迅猛发展,我国已经迎来了信息时代,并且与信息相关的技术也日趋成熟并飞速发展。然而,互联网上过多的分享类资源,使得用户难以在海量的信息中剥去冗余,找到自己真正所需的信息。因此,为了解决这些问题,搜索引擎和推荐系统应运而生。搜索引擎能够帮助用户更快的查找用户直接所需要的信息,而推荐系统则可以根据用户的偏好和口味个性化地把资源推荐给他们。虽然大部分情况下用户很难明确地表达出自己的真实需求,但是通过推荐系统则可挖掘他们潜在的需求。因此,推荐系统的开发是有非常重要的意义。在高校的日常教学活动中,选课系统不仅可以让学生们清晰地了解某一节课的侧重点;同时还能够让学生更好的进行自主的选择,明确自我发展方向。因此,在选课系统中应该能够为学生进行推送和推荐他们真正感兴趣的课程,从而让每个学生都能够选择并选修到自己喜欢并真实需要的课程。本论文基于协同过滤推荐算法与行业中主流的SSM框架等技术,设计和实现了一个针对选课系统的个性化推荐系统。本推荐系统可以通过页面端查看学生用户的课程浏览记录、课程浏览习惯甚至是浏览偏好,把相应的学生用户根据协同过滤算法演算出所可能感兴趣的课程资源推荐给该学生用户甚至是...
【文章来源】：首都经济贸易大学北京市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
SSM框架三层架构运行流程图
首都经济贸易大学硕士研究生学位论文36图3.10算法简单图例假设我们通过对于历史记录的查看而已经得到A用户对物品A、C感兴趣，而B用户仅仅只对物品B感兴趣，而C用户则对物品A、C、D都感兴趣，那么我们判定用户A与用户C较为相似，并且推荐用户C感兴趣但用户A没有选择的D物品。这个例子就是针对基于用户的协同过滤这一方法的简单解释，通过上述的这种情况，我们可以将较为抽象的思维用具体的方法阐释出来，并最终将所要解决的现实问题转变为解决问题的模型的研究问题。但其实协同过滤推荐算法远没有这么简单，它主要分为协同、过滤、推荐这几个步骤，协同这一步中就是针对集群的应用，通过对于所有数据的遍历来进行头脑风暴；过滤这一步就是把与本用户相似程度评价指标数值相差较大的目标筛除掉；推荐这一步就是把已经过滤好的对象之中的几个相似程度指标数值较大的对象选出并推荐，反馈给用户。因此，协同过滤这一部分算法的工作流程可以简化为：第一，某一个用户选取其所喜好的的评级项目（本系统中例如某类别课程，或某个老师所教授课程），因此所选取的这些项目就可以被近似认为是表现某一用户兴趣的特征；而后系统通过匹配，对系统中除该用户外的用户评价进行浏览，同时找到与本用户喜好最为类似的用户群体；最后系统通过一些算法，把和本用户类似的其他用户进行评价过的且数值相对较高的但同时还没有被本用户进行过评级的项目进行推荐（没有进行过评级的项目，我们就认为这一项目用户并不熟悉，且不明确是否为用户确实有需求的项目）。下表为学生课程矩阵，其中行向量表示的是每一个学生的特征属性，其中列向量表示的是每一个课程的特征向量，如表3.10用户特征表所示
首都经济贸易大学硕士研究生学位论文44图4.4系统登录界面在这个页面里面，用户在对话框内输入与提示内容相匹配的信息后，系统提取对话框中该用户信息，如用户ID及密码，取到相关信息后，与数据库进行比对，此步骤中同时进行用户权限的区分，教师用户或学生用户匹配成功后，将会进入与该用户身份相匹配的不同界面进行操作。如果在数据库没有匹配到正确的信息，则返回密码错误信息，要求重新输入。具体代码如图4.5登录模块代码图所示。图4.5登录模块代码图
【参考文献】：
期刊论文
[1]一种基于用户的协同过滤推荐算法[J]. 张双庆. 电脑知识与技术. 2019(01)
[2]基于协同过滤的个性化选课推荐与评论系统[J]. 周泽宇,王春玲. 信息记录材料. 2018(10)
[3]基于SSM框架集的省级档案科技管理平台的设计和实现[J]. 张慎武. 数字技术与应用. 2018(04)
[4]高校教务管理系统选课算法研究综述[J]. 张俊,宋雪勦,曹慧敏,王李娜. 攀枝花学院学报. 2017(02)
[5]浅析“微时代”下高校图书馆个性化信息服务[J]. 谢洪利,韩延彬,蒋海军. 教育教学论坛. 2016(35)
[6]基于关联规则的图书借阅数据挖掘[J]. 吴玉春,龙小建. 江苏科技信息. 2016(01)
[7]基于协同过滤的个性化推荐选课系统研究[J]. 徐天伟,宋雅婷,段崇江. 现代教育技术. 2014(06)
[8]高校教务排课系统[J]. 卢小军,穆海伦. 杭州电子科技大学学报. 2007(04)
[9]清华大学综合教务系统在教务管理中的应用[J]. 宣华,王映雪,陈怀楚. 计算机工程与应用. 2002(12)
博士论文
[1]协同过滤推荐系统关键问题研究[D]. 孔维梁.华中师范大学 2013
[2]个性化推荐技术中的协同过滤算法研究[D]. 夏培勇.中国海洋大学 2011
硕士论文
[1]基于用户兴趣的协同过滤算法研究[D]. 陈安东.安徽理工大学 2017
[2]北票市热力费用收缴系统的设计与实现[D]. 桑枭.吉林大学 2013
[3]达州职业技术学院网上考试系统的设计与实现[D]. 谷潇.电子科技大学 2013
[4]数字城市规划管理信息系统WebGIS发布系统研究及应用[D]. 杨金玲.昆明理工大学 2006
本文编号：3381810
【文章来源】：首都经济贸易大学北京市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
SSM框架三层架构运行流程图
首都经济贸易大学硕士研究生学位论文36图3.10算法简单图例假设我们通过对于历史记录的查看而已经得到A用户对物品A、C感兴趣，而B用户仅仅只对物品B感兴趣，而C用户则对物品A、C、D都感兴趣，那么我们判定用户A与用户C较为相似，并且推荐用户C感兴趣但用户A没有选择的D物品。这个例子就是针对基于用户的协同过滤这一方法的简单解释，通过上述的这种情况，我们可以将较为抽象的思维用具体的方法阐释出来，并最终将所要解决的现实问题转变为解决问题的模型的研究问题。但其实协同过滤推荐算法远没有这么简单，它主要分为协同、过滤、推荐这几个步骤，协同这一步中就是针对集群的应用，通过对于所有数据的遍历来进行头脑风暴；过滤这一步就是把与本用户相似程度评价指标数值相差较大的目标筛除掉；推荐这一步就是把已经过滤好的对象之中的几个相似程度指标数值较大的对象选出并推荐，反馈给用户。因此，协同过滤这一部分算法的工作流程可以简化为：第一，某一个用户选取其所喜好的的评级项目（本系统中例如某类别课程，或某个老师所教授课程），因此所选取的这些项目就可以被近似认为是表现某一用户兴趣的特征；而后系统通过匹配，对系统中除该用户外的用户评价进行浏览，同时找到与本用户喜好最为类似的用户群体；最后系统通过一些算法，把和本用户类似的其他用户进行评价过的且数值相对较高的但同时还没有被本用户进行过评级的项目进行推荐（没有进行过评级的项目，我们就认为这一项目用户并不熟悉，且不明确是否为用户确实有需求的项目）。下表为学生课程矩阵，其中行向量表示的是每一个学生的特征属性，其中列向量表示的是每一个课程的特征向量，如表3.10用户特征表所示
首都经济贸易大学硕士研究生学位论文44图4.4系统登录界面在这个页面里面，用户在对话框内输入与提示内容相匹配的信息后，系统提取对话框中该用户信息，如用户ID及密码，取到相关信息后，与数据库进行比对，此步骤中同时进行用户权限的区分，教师用户或学生用户匹配成功后，将会进入与该用户身份相匹配的不同界面进行操作。如果在数据库没有匹配到正确的信息，则返回密码错误信息，要求重新输入。具体代码如图4.5登录模块代码图所示。图4.5登录模块代码图
【参考文献】：
期刊论文
[1]一种基于用户的协同过滤推荐算法[J]. 张双庆. 电脑知识与技术. 2019(01)
[2]基于协同过滤的个性化选课推荐与评论系统[J]. 周泽宇,王春玲. 信息记录材料. 2018(10)
[3]基于SSM框架集的省级档案科技管理平台的设计和实现[J]. 张慎武. 数字技术与应用. 2018(04)
[4]高校教务管理系统选课算法研究综述[J]. 张俊,宋雪勦,曹慧敏,王李娜. 攀枝花学院学报. 2017(02)
[5]浅析“微时代”下高校图书馆个性化信息服务[J]. 谢洪利,韩延彬,蒋海军. 教育教学论坛. 2016(35)
[6]基于关联规则的图书借阅数据挖掘[J]. 吴玉春,龙小建. 江苏科技信息. 2016(01)
[7]基于协同过滤的个性化推荐选课系统研究[J]. 徐天伟,宋雅婷,段崇江. 现代教育技术. 2014(06)
[8]高校教务排课系统[J]. 卢小军,穆海伦. 杭州电子科技大学学报. 2007(04)
[9]清华大学综合教务系统在教务管理中的应用[J]. 宣华,王映雪,陈怀楚. 计算机工程与应用. 2002(12)
博士论文
[1]协同过滤推荐系统关键问题研究[D]. 孔维梁.华中师范大学 2013
[2]个性化推荐技术中的协同过滤算法研究[D]. 夏培勇.中国海洋大学 2011
硕士论文
[1]基于用户兴趣的协同过滤算法研究[D]. 陈安东.安徽理工大学 2017
[2]北票市热力费用收缴系统的设计与实现[D]. 桑枭.吉林大学 2013
[3]达州职业技术学院网上考试系统的设计与实现[D]. 谷潇.电子科技大学 2013
[4]数字城市规划管理信息系统WebGIS发布系统研究及应用[D]. 杨金玲.昆明理工大学 2006
本文编号：3381810
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3381810.html
