数据挖掘在课程与图书个性化推荐中的应用-论文.pdf

《数据挖掘在课程与图书个性化推荐中的应用-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、科技情报开发与经济SCI-TECHINFORMATIONDEVELOPMENT＆ECONOMY2015年第25卷第12期文章编号：1005—6033(2015)12—0109—03收稿日期：2015—04—08数据挖掘在课程与图书个性化推荐中的应用木郭少卿，肖志雄，宋伟轩，张永佳(安徽大学管理学院，安徽合肥，230601)摘要：数据挖掘技术在商业、工业等领域中的应用已相对成熟，而在高校中的应用仍处于起步阶段。参考数据挖掘在商业领域的应用，针对高校用户特点，从体系建设、算法使用、相关建议等方面，论述了基于数据挖掘的推荐算法在高校课程

2、与图书个性化推荐中的应用。关键词：数据挖掘；推荐算法；个性化推荐中图分类号：G252．17文献标识码：A高校生活自由度高、时间多、自主性强，学生有机会接触到述，每一课程(书籍)可添加至多5项描述标签及一定字数的自种类繁多、数量巨大的课程、书籍、活动等。因此，通过一定的手定义描述。描述标签由自定义描述中多次出现、具有代表性、语段指导学生找到适合的课程、书籍，以保证其大学学习生活具有义相似的描述归纳而成，工作人员定期对自定义描述进行归纳，计划性、系统性，就成了高校工作的一个重要环节。当前，高校常生成新的描述标签，如“课程很有用，可以在

3、生活中使用”“这门采用辅导员、学长传授经验的方法来对学生进行指导。但这些方课程可以边学边用”等自定义描述可归纳为描述标签“课程实践法存在主观性强、工作量大等问题，有待改进。而数据挖掘算法性强”。描述标签需由工作人员进行分类，分为正面标签、中性标具有使用便捷、自动化程度高的特点，是解决上述问题的一个选签、负面标签，以备使用。择[I]。(3)培养用户习惯并制定相应标准。要求高校学生对课程、推荐算法目前已广泛应用于商业领域，其通过机器计算对书籍进行及时、有效的评价，鼓励学生养成主动评价的习惯，可现存的大量数据进行挖掘，并结合量化的用户行

4、为记录，得出用在学生手册中添加相应的操作细则。同时，制定相应标准，如项户的潜在需求，提高用户的使用体验。通过有效的体系建设、系目分类、评价、标签分类等，用以避免工作人员的主观判断对推统集成，该类算法在高校中的应用具有较大的可行性[2]。本文将荐结果造成影响。重点关注使用推荐算法对高校课程、书籍进行个性化推荐。1．2使用算法个性化推荐系统所使用算法包括：其一，基于协同过滤的推1个性化推荐系统荐算法，主要使用基于用户user—based)协同过滤算法和基于项针对高校课程、书籍使用推荐算法，需要构建相应的个性化目(item—based)

5、协同过滤算法，考虑到用户的打分习惯有所不推荐系统，它是利用高校中各类管理系统，模拟高校工作人员，同，选择使用调整的余弦相似性(Adjusted—Cosine)来计算目标向学生提供课程(书籍)信息和建议，帮助用户进行决策，其对高间相似性；其二，基于关联规则的推荐算法，主要使用Apfiofi校管理系统及运行流程提出了一定的要求。系统具体描述如以关联算法，计算出与各课程(书籍)组合的关联程度。下几方面。1．3体系架构1．1基本要求推荐系统体系结构主要分为3个模块(见图1)：数据预处理(1)教务及图书管理系统对课程、书籍分类且使用相同的分

6、模块、算法调用模块、产生推荐模块。系统需要设计2个输入接类标准及名称，考虑到交叉学科的存在，为每门课程(书籍)提供口、3个输出接口，各接口的数据均为单向传输。推荐系统由数据至多3个优先级相同的分类，如：书籍《数据结构》为计算机分输出接口从教务管理系统、图书管理系统获得数据副本，经系统类，课程《数据挖掘》为计算机科学分类和数学分类。内部处理后，产生推荐结果和可复用的推荐规则，将推荐结果传(2)教务及图书管理系统为课程、图书提供评价功能，使用输至教务管理系统、图书管理系统，将推荐规则保存至推荐系统相同的评价方式及标准，具体包括评分、评

7、价描述两项，要求学的数据库。生在课程结束、归还书籍时对课程(书籍)进行评价。评分使用百2数据预处理分制数字进行打分，评价描述则分为添加描述标签和自定义描为叙述方便，后文中统一将课程、图书称为项目。初始数据基金项目：安徽大学2014年大学生创新创业训练计划项分别保存在课程、图书2张表中，应至少包含以下5个字段——目“数据挖掘技术在高校学生服务中的应用研究”(项目编号：学号、项目编号、项目分类、项目评分、项目评价标签，获得数据201410357291o后需要进行预处理，包括数据组织与数据清理。1O9郭少卿，肖志雄，宋伟轩，张永佳数据挖

8、掘在课程与图书个性化推荐中的应用本刊E—mail：bjb@sxinfo．net信息工作研究用户推荐合适的、优秀的项目的目标。因此，我们需要根据课程3．3相关建议的平均评分和评价标签进行判断课程是否适合推荐，具体规则笔者针对上述推荐算法，提出以下相应