当前位置:主页 > 科技论文 > 软件论文 >

基于机器学习的智能高考志愿推荐系统

发布时间:2021-10-30 03:22
  随着互联网和教育信息化的快速发展,个性化推荐系统在教育领域的应用已越来越广泛。填报志愿是高考中的一个重要环节,但是考生面对众多院校、专业的情况下,很难迅速获取有效信息,做出适合自己的个性化的选择。本文通过分析考生和家长的个性化需求,从海量的学校和专业中挖掘出有价值的信息,推荐给考生和家长,为考生填报志愿提供帮助。本系统从各大网络平台获取了各高校的相关数据作为高考志愿文本中的历史数据,并且针对历史数据中,特征词汇较少的情况,增加了维基百科的数据作为扩展来训练词向量。针对传统的文本表示方法没有考虑语义、存在维度灾难的问题,将word2vec引入到基于内容的推荐算法中,改善了现有的相关网站只通过关键词搜索,搜索结果不含语义特征的现象。同时,对于现有的相关网站存在只能根据特定的专业进行信息检索的缺点,并考虑考生和家长所提出的专业意向比较自由、偏口语化的现象,将余弦相似性方法与简单共有词方法相结合,改进文本相似度计算方法,从而解决了考生和家长不知道院校中某专业的具体专业名称的问题。接着对历史数据中的多元属性,如院校等级、专业等级、校园环境、师资力量设置权重,优化了现有的个性化推荐系统。最后基于以... 

【文章来源】:南京邮电大学江苏省

【文章页数】:62 页

【学位级别】:硕士

【部分图文】:

基于机器学习的智能高考志愿推荐系统


神经网络语言模型图

基于机器学习的智能高考志愿推荐系统


加简单共有词

权重,公式,填报志愿


计算机科学与技术 4.1 4.2 4.2人力资源管理 3.3 4.2 3.3教育技术学 3.3 4.2 3.0输出排序结果运用的具体公式如公式 4.3 所示:Sim=a×weightmaj_lev b×weightsch_lev c×weightenv d×weighttea_lev(4.3)该公式需满足公式 4.4。 = (4.4)通过问卷调查 200 多个大学生,让他们分别对这些属性打分,得出每项属性在他们当年填报志愿时的重要程度,最终确定系数 a,b,c,d 的取值。4.3.2 实验对比不设置权重,推荐结果如图 4.6 所示:

【参考文献】:
期刊论文
[1]基于协同过滤的高考志愿推荐系统[J]. 徐兰静,李珊,严钊.  计算机系统应用. 2015(07)
[2]大数据环境下电子商务个性化推荐服务发展动向探析[J]. 王茜,钱力.  商业研究. 2014(08)
[3]一种基于维基百科的中文短文本分类算法[J]. 赵辉,刘怀亮.  图书情报工作. 2013(11)
[4]分步填充缓解数据稀疏性的协同过滤算法[J]. 张玉芳,代金龙,熊忠阳.  计算机应用研究. 2013(09)
[5]基于维基百科的中文短文本分类研究[J]. 范云杰,刘怀亮.  现代图书情报技术. 2012(03)
[6]中文分词算法综述[J]. 张丹.  黑龙江科技信息. 2012(08)
[7]维基百科中的实体关系抽取研究[J]. 李斌,马宁,蒋平,郭玉良.  信息系统工程. 2011(05)
[8]一种基于字词联合解码的中文分词方法[J]. 宋彦,蔡东风,张桂平,赵海.  软件学报. 2009(09)
[9]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏.  自然科学进展. 2009(01)

硕士论文
[1]高考志愿智能填报系统的设计与实现[D]. 吴玲.云南财经大学 2018
[2]基于自适应聚类和用户信任模型的推荐算法研究与应用[D]. 李康.湖南师范大学 2018
[3]基于大数据的高考志愿数据分析关键技术研究[D]. 顾健.长春理工大学 2017
[4]高考志愿的个性化推荐方法研究[D]. 崔彦晓.石家庄铁道大学 2013
[5]数据挖掘系统支撑下的高考志愿填报在线咨询系统设计与实现[D]. 肖灿.西南大学 2012



本文编号:3465950

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3465950.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户2bb38***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com