申请/专利权人：江苏知途教育科技有限公司

申请日：2020-12-24

公开（公告）日：2024-04-12

公开（公告）号：CN112614029B

主分类号：G06Q50/20

分类号：G06Q50/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.04.23#实质审查的生效;2021.04.06#公开

摘要：本发明公开了一种选修课程推荐的方法和装置。本发明的方法首先基于学生、课程画像构建学生‑课程对之间的相似度。其中，离散属性使用余弦相似度计算方式，连续属性使用高斯核函数计算方式，得到用户‑课程对相似度矩阵。然后基于SVD算法、RMSE损失函数的改进，将学生课程矩阵分解为带有课程特征的学生‑特征矩课程‑特征矩阵，通过学生对课程特征的偏好程度以及课程对课程特征的隶属程度的分析，重新组合成新的学生课程矩阵，使得学生课程矩阵中包含了学生对课程的偏好数据，最后以及该学生课程矩阵生成推荐课程选课矩阵，从而为学生做出课程的个性化推荐，可以有效解决学生选课的盲目性。

主权项：1.一种选修课程推荐的方法，其特征在于，包括如下步骤：S1：获取学生信息、课程信息和学生历史选课记录；所述学生信息包括学生离散属性信息、学生连续属性信息；所述学生离散属性信息至少包括性别信息、班级信息、专业信息、所属院系信息、图书借阅离散信息；所述学生连续属性信息至少包括年龄信息、学生绩点信息、图书借阅连续信息；所述课程信息包括课程离散属性信息、课程连续属性信息；所述课程离散属性信息至少包括：课程名称、开课院系；所述课程连续属性信息包括：开课次数、平均成绩；所述历史选课记录包括学生历史选课列表；S2：根据所述学生连续属性信息和所述课程连续属性信息构建学生未选课程对向量PAu1，a1和学生已选课程对向量PWu2，a2，并根据所述学生历史选课列表构建学生历史选课矩阵B＝{bu，j|u∈[1..N]，j∈[1..A]}；其中，PAu1，a1表示学生u1和其未选课程a1之间所组成的学生课程对的向量；PWu2，a2表示学生u2和其已选课程a2之间所组成的学生课程对的向量；所述学生课程对向量是所述学生连续属性信息和所述课程连续属性信息的向量化表示；B为N×A的历史选课矩阵；N表示学生数；A为课程数；bu，j表示历史中学生u是否已经选修课程j，若已经选修课程j，则bu，j＝1，否则bu，j＝0；S3：根据所述学生离散属性信息和所述课程离散属性信息分别计算各学生与学生之间的相似度SSu1，u2以及各课程与课程之间的相似度SCa1，a2；其中，SSu1，u2表示学生u1和学生u2之间的相似度，SCa1，a2表示课程a1和课程a2之间的相似度，其中，DSw表示两个学生第w个离散属性信息是否相同，若相同，则DSw＝1，否则DSw＝0；CSD表示学生离散属性信息的个数；DCv表示两个课程第v个离散属性信息是否相同，若相同，则DCv＝1，否则DCv＝0；CCD表示课程离散属性信息的个数；S4：根据所述学生未选课程对向量、学生已选课程对向量、学生与学生之间的相似度以及课程与课程之间的相似度计算学生未选课程和学生已选课程之间的相似度： 其中，{u1，a1}表示学生u1和其未选课程a1所组成的学生未选课程对；{u2，a2}表示学生u2和其已选课程a2所组成的学生已选课程对；PAu1，a1是学生u1和其未选课程a1之间所组成的学生课程对的向量；PWu2，a2是学生u2和其已选课程a2之间所组成的学生课程对的向量；||PAu1，a1-PWu2,a2||是向量PAu1，a1和向量PWu2,a2之间的欧拉距离；SSu1，u2是学生u1和学生u2之间的相似度；SCa1,a2是课程a1和课程a2之间的相似度；σ为预先设定的宽度参数；S5：学生和课程特征之间的偏好分析和课程与课程特征隶属分析，包括如下步骤：S51：初始化学生和课程特征的偏好矩阵P＝{pu，k＝c|u∈[1..N]，k∈[1..K]}；其中，P为N×K的偏好矩阵；K为课程特征数，为预先设定的值；pu,k表示学生u对第k个课程特征的偏好程度；pu,k＝c表示学生u对第k个课程特征的偏好程度初始化为c；c为预先设定参数；S52：根据所述学生未选课程和学生已选课程之间的相似度和学生和课程的偏好矩阵P计算课程与课程特征之间的隶属度矩阵Q＝{qj|j∈[1..A]}；其中，qj＝PPT+λitemE-1·pu·∑{u2，a2}∈ΩSP{u1,a1}，{u2，a2}bu2,a2；其中，pu是学生u对各个课程特征的偏好程度所组成的向量，即，pu＝{pu，k|k∈[1..K]}；qj是课程j对各个课程特征的隶属程度所组成的向量，即，qj＝{qj，k|k∈[1..K]}；qj,k表示课程j对第k个课程特征的隶属程度；bu2，a2表示历史中学生u2是否已经选修课程a2；λitem为预先设定的参数；E为单位矩阵；Ω表示学生已选课程对向量的全集；S53：根据所述学生历史选课矩阵B和所述隶属度矩阵Q修正所述偏好矩阵P：P＝B×Q-1；S54：计算损失值 其中，λuser是预先设定的值；S55：重复步骤S52、S53、S54直到损失值小于指定的阈值r；S6：计算推荐值矩阵Z＝P·QT＝{zu,j|u∈[1..N]，j∈[1..A]}，得到各个学生的课程推荐值向量zu＝{zu,j|j∈[1..A]}，然后依据学生的课程推荐值向量确定该学生的推荐课程；其中，zu，j是学生u的课程j的课程推荐值；zu是学生u的各个课程推荐值组成的向量。

全文数据：

权利要求：

百度查询： 江苏知途教育科技有限公司 一种选修课程推荐的方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD