基于校园多源数据的学生好友关系研究

发布时间：2024-06-30 13:22

　　在高校提倡信息化、数字化建设的大背景下,产生并积累了大量的学生数据,充分挖掘这些数据中潜在的关联和价值可以帮助学校老师更科学地开展学生工作和实现个性化服务。在校园中良好的人际交往和同学间的良好关系是大学生心理健康发展、社会交际能力培养和校园中健康快乐学习的基础,也是衡量学生心理健康与否的重要指标。因此,本文基于学校一卡通系统中的多源数据对学生校园好友关系进行研究,采用高斯相似度函数和PageRank改进算法完成了对学生个体的交友状态、班级凝聚力建设以及学生校园活跃度评定三个方面的研究分析,旨在了解学生线下的交友情况并及时发现校园活跃度较低、疑似孤立的学生群体,为学校的相关管理提供数据支撑,以便引导学生更健康的交友。本文主要从以下四个方面开展研究工作:1)基于当前对数据挖掘领域和校园大数据研究方面的相关理论和技术进行学习和研究,提出了本文研究课题,以及要采用的研究方法和主要核心算法;2)基于高校学生一卡通线下刷卡数据,提出学生“相遇”模型的设计,推测学生在校交友情况,更好地了解学生在学校生活状态。为精准计算学生间的相关关系引入高斯相似度计算方法,通过对学生在学校刷卡消费、刷卡进图书馆所产...

【文章页数】：64 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
    1.2 国内外研究现状
    1.3 本文的研究内容和组织结构
        1.3.1 本文的研究内容
        1.3.2 本文的组织结构
    1.4 本章小结
第2章 相关理论与技术
    2.1 好友研究中的常用算法
        2.1.1 聚类算法
        2.1.2 关联规则算法
        2.1.3 协同过滤算法
        2.1.4 相似度计算方法
    2.2 PageRank算法
    2.3 数据预处理技术
    2.4 好友判定
    2.5 本章小结
第3章 校园好友分析模型的构建
    3.1 好友分析模型总体设计
    3.2 学生“相遇”模型的设计
        3.2.1 学生刷卡事务分析
        3.2.2 相似度矩阵的构造
    3.3 学生活跃度分析模型的设计
        3.3.1 基于原始PageRank算法的改进
        3.3.2 学生活跃度分析流程
    3.4 本章小结
第4章 实验设置与结果分析
    4.1 实验数据介绍与预处理
        4.1.1 数据说明
        4.1.2 数据预处理
    4.2 一卡通数据的聚类和分块处理
    4.3 实验结果与分析
        4.3.1 校园学生个体社交分析
        4.3.2 班级整体关系分析
        4.3.3 校园活跃度较低学生群体的发现与分析
    4.4 实验结果评估
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文
攻读硕士学位期间获得的科研成果
致谢



本文编号：3998794