基于数据挖掘技术的高校学生用户画像系统设计与实现
发布时间：2022-08-07 20:54
随着教育信息化的发展,高校的教学管理、学生的校园活动产生了大量的数据。这些数据不断产生与积累,形成了庞大的、分散的、复杂的数据集。此外,大学生人数不断增多,给学校的教育管理带来前所未有的挑战。对这个不断壮大的大学生群体缺乏科学的数据分析,容易忽视、遗漏一些潜在的问题,如心理健康、消费借贷、沉迷游戏等,进而可能引发重大的问题。从海量数据中挖掘出有价值的信息是大数据应用的共识。用户画像通常被认为是对用户属性、行为、特征的标签化。用户画像是高校应用大数据的核心基础,是高校精细化管理的前置条件,是智慧校园建设的重要内容。相比以往基于较小样本的数据分析,数据时代能够获取更多维度的大学生数据,较大程度地接近全样本,可以更精准地勾勒学生的数据面貌。本文通过收集高校学生的基本属性、学业属性、消费习惯、图书借阅、上网行为等维度的数据,对其进行数据清洗、数据集成、数据变换、数据规约等预处理,筛选出用于构建学生用户画像的属性特征,通过数据挖掘技术挖掘数据中隐含的知识,从而描绘出客观、丰富、细致的学生用户画像。建立高校学生用户画像系统不仅有利于全面展示大学生群体数字面貌,还可以辅助学校科学管理与决策,动态监测...
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文研究工作
1.4 论文组织结构
第二章 相关技术介绍
2.1 相似度计算
2.2 回归分析
2.3 TF-IDF
2.4 聚类分析
2.5 关联分析
第三章 高校学生用户画像系统需求分析
3.1 业务需求分析
3.2 系统功能需求分析
3.3 系统非功能需求分析
3.4 系统结构分析
第四章 高校学生用户画像系统设计
4.1 系统架构设计
4.2 业务流程设计
4.3 系统功能设计
4.4 数据库设计
4.4.1 绘制数据实体关系图
4.4.2 创建数据库表结构
第五章 高校学生用户画像系统实现
5.1 数据收集
5.1.1 获得授权
5.1.2 数据探索
5.1.3 获取数据
5.2 数据整理
5.2.1 数据预处理
5.2.2 数据分析
5.2.3 特征选择
5.2.4 图表化特征
5.2.5 标签化特征
5.3 构建用户画像
5.3.1 基于数理统计
5.3.2 基于文本挖掘
5.3.3 基于聚类分析
5.3.4 用户画像集成与持久化
5.4 用户画像应用
5.4.1 系统开发环境
5.4.2 系统运行环境
5.4.3 用户画像标签可视化
5.4.4 阅读分析与推荐
5.4.5 学业预警
第六章 系统测试及应用效果分析
6.1 系统测试
6.1.1 测试环境
6.1.2 功能测试
6.1.3 性能测试
6.2 应用效果分析
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
附录
1.豆瓣图书API调用返回参数列表
2.校园一卡通消费数据表结构
攻读硕士学位期间取得的研究成果
致谢
附件
【参考文献】：
期刊论文
[1]统计回归模型中的主成分分析[J]. 孙婷蔚. 通讯世界. 2019(03)
[2]文本分类中TF-IDF权重计算方法改进[J]. 隗中杰. 软件导刊. 2018(12)
[3]基于“用户画像”的图书馆资源推荐模式设计与分析[J]. 王庆,赵发珍. 现代情报. 2018(03)
[4]海量学术资源个性化推荐综述[J]. 刘伟,刘柏嵩,王洋洋. 计算机工程与应用. 2018(03)
[5]国外图书馆领域用户画像的研究现状及启示[J]. 陈慧香,邵波. 图书馆学研究. 2017(20)
[6]大数据画像技术在高校思想政治教育中的应用[J]. 徐艳. 学理论. 2017(07)
[7]基于Spark的交互式数据预处理系统[J]. 张磊,朱锋,钟华. 计算机系统应用. 2016(11)
[8]大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 李国杰,程学旗. 中国科学院院刊. 2012(06)
硕士论文
[1]基于聚类的推荐算法研究与应用[D]. 李俊.南京邮电大学 2018
[2]基于大数据的校园招聘雇主画像研究[D]. 张东迅.北京邮电大学 2018
[3]基于校园大数据的学生行为分析与预测方法研究[D]. 梁柱.西安理工大学 2017
[4]基于网络日志的用户行为分析与研究[D]. 周雪.北京邮电大学 2017
[5]基于大数据挖掘的高校学生行为数据分析系统的研究与开发[D]. 孙杨博.华北电力大学(北京) 2017
[6]基于校园一卡通系统的数据挖掘研究[D]. 王萌.哈尔滨工程大学 2016
[7]在线社交网络数据挖掘[D]. 陈召群.清华大学 2015
[8]基于Kmeans算法的学生行为分析系统的设计与实现[D]. 刘国华.河北科技大学 2014
[9]基于群决策系统的高校创新项目网络评估系统的设计与实现[D]. 戴经纬.北京交通大学 2012
本文编号：3671028
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文研究工作
1.4 论文组织结构
第二章 相关技术介绍
2.1 相似度计算
2.2 回归分析
2.3 TF-IDF
2.4 聚类分析
2.5 关联分析
第三章 高校学生用户画像系统需求分析
3.1 业务需求分析
3.2 系统功能需求分析
3.3 系统非功能需求分析
3.4 系统结构分析
第四章 高校学生用户画像系统设计
4.1 系统架构设计
4.2 业务流程设计
4.3 系统功能设计
4.4 数据库设计
4.4.1 绘制数据实体关系图
4.4.2 创建数据库表结构
第五章 高校学生用户画像系统实现
5.1 数据收集
5.1.1 获得授权
5.1.2 数据探索
5.1.3 获取数据
5.2 数据整理
5.2.1 数据预处理
5.2.2 数据分析
5.2.3 特征选择
5.2.4 图表化特征
5.2.5 标签化特征
5.3 构建用户画像
5.3.1 基于数理统计
5.3.2 基于文本挖掘
5.3.3 基于聚类分析
5.3.4 用户画像集成与持久化
5.4 用户画像应用
5.4.1 系统开发环境
5.4.2 系统运行环境
5.4.3 用户画像标签可视化
5.4.4 阅读分析与推荐
5.4.5 学业预警
第六章 系统测试及应用效果分析
6.1 系统测试
6.1.1 测试环境
6.1.2 功能测试
6.1.3 性能测试
6.2 应用效果分析
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
附录
1.豆瓣图书API调用返回参数列表
2.校园一卡通消费数据表结构
攻读硕士学位期间取得的研究成果
致谢
附件
【参考文献】：
期刊论文
[1]统计回归模型中的主成分分析[J]. 孙婷蔚. 通讯世界. 2019(03)
[2]文本分类中TF-IDF权重计算方法改进[J]. 隗中杰. 软件导刊. 2018(12)
[3]基于“用户画像”的图书馆资源推荐模式设计与分析[J]. 王庆,赵发珍. 现代情报. 2018(03)
[4]海量学术资源个性化推荐综述[J]. 刘伟,刘柏嵩,王洋洋. 计算机工程与应用. 2018(03)
[5]国外图书馆领域用户画像的研究现状及启示[J]. 陈慧香,邵波. 图书馆学研究. 2017(20)
[6]大数据画像技术在高校思想政治教育中的应用[J]. 徐艳. 学理论. 2017(07)
[7]基于Spark的交互式数据预处理系统[J]. 张磊,朱锋,钟华. 计算机系统应用. 2016(11)
[8]大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 李国杰,程学旗. 中国科学院院刊. 2012(06)
硕士论文
[1]基于聚类的推荐算法研究与应用[D]. 李俊.南京邮电大学 2018
[2]基于大数据的校园招聘雇主画像研究[D]. 张东迅.北京邮电大学 2018
[3]基于校园大数据的学生行为分析与预测方法研究[D]. 梁柱.西安理工大学 2017
[4]基于网络日志的用户行为分析与研究[D]. 周雪.北京邮电大学 2017
[5]基于大数据挖掘的高校学生行为数据分析系统的研究与开发[D]. 孙杨博.华北电力大学(北京) 2017
[6]基于校园一卡通系统的数据挖掘研究[D]. 王萌.哈尔滨工程大学 2016
[7]在线社交网络数据挖掘[D]. 陈召群.清华大学 2015
[8]基于Kmeans算法的学生行为分析系统的设计与实现[D]. 刘国华.河北科技大学 2014
[9]基于群决策系统的高校创新项目网络评估系统的设计与实现[D]. 戴经纬.北京交通大学 2012
本文编号：3671028
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3671028.html
