基于聚类的个性化课程推荐算法的研究与实现

发布时间：2021-10-27 08:39

　　在教育信息化2.0背景下,个性化教育受到了普遍关注。随着通识教育和全学分制的推广,学生在选课上拥有了更大的自主权,可结合专业、兴趣、知识面、能力等个性特征选择符合自己个性化发展的课程。但受限于对专业和未来就业的了解,学生往往难以做出合适的选择。利用信息化技术,基于学生大数据辅助学生进行个性化课程选择很有必要。在查阅个性化教育的相关文献基础上,梳理学生相关数据集,量化其中关键指标,提出影响课程选择的个性化特征的假说,并通过实验验证了该假说中推荐结果的有效性和推荐精确度,最终提出了基于聚类分析的高校个性化课程生成算法。在具体技术上,本文通过K-means算法对学生数据集聚类,结合学生的兴趣爱好、学习能力、学习目标等个性化因素,提出近似分类算法,来处理目标学生的分类问题;提出课程推荐指标（course recommendation index,CRI）,来分析培养目标中的课程与学生特征之间的匹配度。根据面向任课老师、辅导员和学生所做的个性化课程推荐的需求调研,发现学生选课过程中存在喜欢选择轻松课程而避免选择较难的关键课程,为避免这类倾向对学生专业培养的不利影响,本文深入分析具体指标,并针对地... 

【文章来源】：浙江工商大学浙江省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

聚类算法（1）基于划分的方法

CH评价指标

DB评价指标

【参考文献】：
期刊论文
[1]基于改进聚类和矩阵分解的协同过滤推荐算法[J]. 王永贵,宋真真,肖成龙.  计算机应用. 2018(04)
[2]基于标签聚类和兴趣划分的协同过滤推荐算法[J]. 朱东郡,李敬兆,谭大禹,杨大禹.  计算机工程. 2017(11)
[3]基于网络分割聚类的标签语义规范化推荐算法[J]. 叶婷,曹杰.  计算机应用与软件. 2017(11)
[4]基于动态聚类的旅游线路推荐[J]. 肖春景,夏克文,乔永卫,张宇翔.  计算机应用. 2017(08)
[5]基于项目聚类和时间因素改进的推荐算法[J]. 张林,王晓东,姚宇.  计算机应用. 2016(S2)
[6]基于互信息的概念语义相似度算法[J]. 种晓阳,周子力,吴玲玲.  通信技术. 2016(09)
[7]基于聚类划分的高效用模式并行挖掘算法[J]. 邢淑凝,刘方爱,赵晓晖.  计算机应用. 2016(08)
[8]基于信息熵和时效性的协同过滤推荐[J]. 刘江冬,梁刚,冯程,周泓宇.  计算机应用. 2016(09)
[9]基于K-means聚类算法的公交行程速度计算模型[J]. 高曼,韩勇,陈戈,张小垒,李洁.  计算机科学. 2016(S1)
[10]一种改进的基于内容的个性化推荐模型[J]. 闫东东,李红强.  软件导刊. 2016(04)

硕士论文
[1]基于聚类技术的推荐算法研究[D]. 张亮.电子科技大学 2012



本文编号：3461251