中职学校在线选课系统的研究与实现
发布时间：2022-07-27 15:12
本文以平湖市中等职业学校数字校园平台学生选课系统的开发为背景。从学校选课管理工作的实际情况出发,围绕课程智能推荐选课管理系统展开研究。本文的主要研究成果有以下几点:1.提出了一种基于学生兴趣相似度的混合推荐算法。在选课过程中传统搜索引擎已经难以满足学生个性化的需求。为了解决这个问题,在教育领域内,越来越多的系统应用了推荐技术。当前很多学者对目前应用最广泛也最为成功的协同过滤推荐技术进行研究。然而协同过滤推荐存在着冷启动、稀疏性等问题,为了解决这些问题,论文研究了学生性格、性别等与兴趣相似度相关的特征属性在过滤推荐中的应用。提出了一种基于学生兴趣相似度的混合推荐算法。数据表明,这种算法有效克服了技术中的两个问题,第一个问题是冷启动问题,第二个问题是数据稀疏问题。2.遵循软件工程的基本思想对系统进行了需求分析,从业务流程、功能需求和非功能需求等方面,较为详细的对中职在线选课管理系统的实际需求进行了论述。3.对中职在线学生选课管理系统进行了详细设计与实现。我们测试了系统的功能。系统功能测试结果表明,该系统运行良好,实现了预定功能,每个功能模块,达到预期的目标。本文实现的具有课程智能推荐的中职...
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外相关研究
1.2.1 选课系统研究现状
1.2.2 推荐系统研究现状
1.3 研究内容和主要工作
1.4 论文结构
第2章 关键技术研究与分析
2.1 个性化智能推荐
2.1.1 个性化智能推荐理论
2.1.2 常用的智能推荐技术
2.2 数据处理技术
2.2.1 数据处理技术
2.2.2 传统相似度计算步骤
2.3 系统开发其他相关技术
2.3.1 开发架构C/S模式和B/S模式
2.3.2 开发技术平台.NET
2.3.3 MVC设计模式简介
2.3.4 SQL Server 2008
2.4 本章小结
第3章 基于学生兴趣相似性协同过滤混合推荐课程算法
3.1 本校中职学生兴趣特点和特征属性分析
3.1.1 中职学生特点
3.1.2 学生特征属性分析
3.2 基于混合学生兴趣相似度协同过滤的中职学校选课系统核心算法研究
3.2.1 混合学生兴趣相似度模型
3.2.2 学生属性相似度计算
3.2.3 学生共同评分课程稀疏时兴趣相似度计算
3.2.4 学生共同评分课程密集时兴趣相似度计算
3.2.5 混合三个兴趣相似度的计算
3.2.6 预测推荐TOP-N
3.3 混合兴趣相似度协同过滤推荐方法流程
3.4 实验结果及分析
3.4.1 实验数据集
3.4.2 推荐结果的评价标准
3.4.3 实验结果及分析
3.5 本章小结
第4章 课程智能推荐选课管理系统分析与设计
4.1 课程智能推荐选课管理系统分析
4.1.1 选课系统业务流程分析
4.1.2 功能性需求分析
4.1.3 非功能需求分析
4.2 课程智能推荐选课管理系统设计
4.2.1 系统设计原则
4.2.2 系统架构设计
4.2.3 系统功能模块设计
4.2.4 数据库设计
4.3 本章小结
第5章 课程智能推荐选课管理系统实现与测试
5.1 系统运行环境
5.2 课程智能推荐选课管理系统实现
5.2.1 学生模块功能实现
5.2.2 教师功能模块的实现
5.2.3 选课管理员模块实现
5.3 系统测试
5.3.1 系统测试方法
5.3.2 功能系统测试
5.4 系统测试结果
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]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)
[2]基于ASP技术的学生成绩查询系统设计[J]. 李承遥. 电子技术与软件工程. 2017(08)
[3]基于协同过滤的高校推荐选课系统的设计与实现[J]. 张节兰,李小兰. 湖南工程学院学报(自然科学版). 2015(02)
[4]基于MVC架构的网上选课系统的设计与实现[J]. 李宏亮. 数字技术与应用. 2014(10)
[5]个性化推荐系统综述[J]. 王国霞,刘贺平. 计算机工程与应用. 2012(07)
[6]论黑盒测试与白盒测试在软件测试中的不同作用[J]. 梁红硕,冯晓东,贾永胜. 商场现代化. 2010(16)
[7]白盒测试技术概述[J]. 刘洋. 广西大学学报(自然科学版). 2008(S1)
[8]基于数据库技术的远程故障诊断专家系统的研究[J]. 劳佳锋,沈力学,盛颂恩. 机电工程. 2003(05)
[9]GIS概念数据模型的研究[J]. 肖乐斌,钟耳顺,刘纪远,宋关福. 武汉大学学报(信息科学版). 2001(05)
硕士论文
[1]个性化学习资源推荐系统的研究与设计[D]. 邹艳春.江西财经大学 2017
[2]基于机器学习的高校选课推送研究[D]. 孙慧君.内蒙古师范大学 2017
[3]基于冲突消减策略的在线选课系统的设计与实现[D]. 刘娟.哈尔滨工业大学 2016
[4]手机腾讯网新闻智能推荐系统的设计与实现[D]. 王明忠.哈尔滨工业大学 2016
[5]基于用户多维相似度的协同过滤推荐算法[D]. 李养振.江西理工大学 2016
[6]面向实践教学系统选课推荐算法的研究与应用[D]. 王理江.北方工业大学 2016
[7]基于神经网络的个性化推荐算法研究与设计[D]. 黄涛.重庆大学 2016
[8]职业技术院校网上选课系统设计[D]. 彭超.湖南大学 2016
[9]基于WEB的高校教学选课系统的设计与实现[D]. 孙启良.山东大学 2015
[10]基于B/S模式的高职院校选课系统的设计与实现[D]. 左炳才.电子科技大学 2015
本文编号：3665684
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外相关研究
1.2.1 选课系统研究现状
1.2.2 推荐系统研究现状
1.3 研究内容和主要工作
1.4 论文结构
第2章 关键技术研究与分析
2.1 个性化智能推荐
2.1.1 个性化智能推荐理论
2.1.2 常用的智能推荐技术
2.2 数据处理技术
2.2.1 数据处理技术
2.2.2 传统相似度计算步骤
2.3 系统开发其他相关技术
2.3.1 开发架构C/S模式和B/S模式
2.3.2 开发技术平台.NET
2.3.3 MVC设计模式简介
2.3.4 SQL Server 2008
2.4 本章小结
第3章 基于学生兴趣相似性协同过滤混合推荐课程算法
3.1 本校中职学生兴趣特点和特征属性分析
3.1.1 中职学生特点
3.1.2 学生特征属性分析
3.2 基于混合学生兴趣相似度协同过滤的中职学校选课系统核心算法研究
3.2.1 混合学生兴趣相似度模型
3.2.2 学生属性相似度计算
3.2.3 学生共同评分课程稀疏时兴趣相似度计算
3.2.4 学生共同评分课程密集时兴趣相似度计算
3.2.5 混合三个兴趣相似度的计算
3.2.6 预测推荐TOP-N
3.3 混合兴趣相似度协同过滤推荐方法流程
3.4 实验结果及分析
3.4.1 实验数据集
3.4.2 推荐结果的评价标准
3.4.3 实验结果及分析
3.5 本章小结
第4章 课程智能推荐选课管理系统分析与设计
4.1 课程智能推荐选课管理系统分析
4.1.1 选课系统业务流程分析
4.1.2 功能性需求分析
4.1.3 非功能需求分析
4.2 课程智能推荐选课管理系统设计
4.2.1 系统设计原则
4.2.2 系统架构设计
4.2.3 系统功能模块设计
4.2.4 数据库设计
4.3 本章小结
第5章 课程智能推荐选课管理系统实现与测试
5.1 系统运行环境
5.2 课程智能推荐选课管理系统实现
5.2.1 学生模块功能实现
5.2.2 教师功能模块的实现
5.2.3 选课管理员模块实现
5.3 系统测试
5.3.1 系统测试方法
5.3.2 功能系统测试
5.4 系统测试结果
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]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)
[2]基于ASP技术的学生成绩查询系统设计[J]. 李承遥. 电子技术与软件工程. 2017(08)
[3]基于协同过滤的高校推荐选课系统的设计与实现[J]. 张节兰,李小兰. 湖南工程学院学报(自然科学版). 2015(02)
[4]基于MVC架构的网上选课系统的设计与实现[J]. 李宏亮. 数字技术与应用. 2014(10)
[5]个性化推荐系统综述[J]. 王国霞,刘贺平. 计算机工程与应用. 2012(07)
[6]论黑盒测试与白盒测试在软件测试中的不同作用[J]. 梁红硕,冯晓东,贾永胜. 商场现代化. 2010(16)
[7]白盒测试技术概述[J]. 刘洋. 广西大学学报(自然科学版). 2008(S1)
[8]基于数据库技术的远程故障诊断专家系统的研究[J]. 劳佳锋,沈力学,盛颂恩. 机电工程. 2003(05)
[9]GIS概念数据模型的研究[J]. 肖乐斌,钟耳顺,刘纪远,宋关福. 武汉大学学报(信息科学版). 2001(05)
硕士论文
[1]个性化学习资源推荐系统的研究与设计[D]. 邹艳春.江西财经大学 2017
[2]基于机器学习的高校选课推送研究[D]. 孙慧君.内蒙古师范大学 2017
[3]基于冲突消减策略的在线选课系统的设计与实现[D]. 刘娟.哈尔滨工业大学 2016
[4]手机腾讯网新闻智能推荐系统的设计与实现[D]. 王明忠.哈尔滨工业大学 2016
[5]基于用户多维相似度的协同过滤推荐算法[D]. 李养振.江西理工大学 2016
[6]面向实践教学系统选课推荐算法的研究与应用[D]. 王理江.北方工业大学 2016
[7]基于神经网络的个性化推荐算法研究与设计[D]. 黄涛.重庆大学 2016
[8]职业技术院校网上选课系统设计[D]. 彭超.湖南大学 2016
[9]基于WEB的高校教学选课系统的设计与实现[D]. 孙启良.山东大学 2015
[10]基于B/S模式的高职院校选课系统的设计与实现[D]. 左炳才.电子科技大学 2015
本文编号：3665684
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3665684.html
