[发明专利]一种融合主题标签和用户偏好的课程推荐系统及方法

权利要求书

1.一种融合主题标签和用户偏好的课程推荐系统，其特征在于，所述课程推荐系统包括：

课程标签提取模块，用于提取每一门课程标签；

课程聚类模块，用于根据每一门课程标签出现的次数对每一门课程进行聚类分析，将课程划分成不同类别；

特征信息提取模块，用于提取用户特征信息；

用户聚类模块，用于根据用户特征信息构建用户特征向量，并根据用户特征向量对用户进行聚类分析，将用户划分成不同类别；

课程提取模块，用于根据用户与课程之间的选课关系，提取未被用户选择的课程；

最终推荐模块，用于根据用户类别、课程类别以及未被用户选择的课程进行课程推荐。

2.如权利要求1所述的一种融合主题标签和用户偏好的课程推荐系统，其特征在于，所述课程标签提取模块根据教学大纲以及课程介绍提取每一门课程的关键词组，并根据每一门课程的关键词组获取每一门课程标签。

3.如权利要求2所述的一种融合主题标签和用户偏好的课程推荐系统，其特征在于，所述课程聚类模块包括：

初始化单元，用于初始化标签集合CT＝{{CTID₁，T1}，{CTID₂，T2}，{CTID₃，T3}，…，{CTID_n，Tn}}；

记录单元，用于遍历计算标签集合CT中每一个节点与其他节点的互信息，判断互信息是否超过阈值，若是，则将对应的节点记录至列表T中；

聚类单元，用于遍历集合MAP，分别判断每一门课程标签是否存在于列表T中，若是，则对课程进行聚类分析；

其中，n表示课程的类别数，CTID_n表示第n门聚类识别出来的课程名称，T_n表示第n门聚类识别出来的课程标签出现的次数。

4.一种融合主题标签和用户偏好的课程推荐方法，其特征在于，所述课程推荐方法包括如下步骤：

提取每一门课程标签；

根据每一门课程标签出现的次数对每一门课程进行聚类分析，将课程划分成不同类别；

提取用户特征信息；

根据用户特征信息构建用户特征向量，并根据用户特征向量对用户进行聚类分析，将用户划分成不同类别；

根据用户与课程之间的选课关系，提取未被用户选择的课程；

根据用户类别、课程类别以及未被用户选择的课程进行课程推荐。

5.如权利要求4所述的一种融合主题标签和用户偏好的课程推荐方法，其特征在于，提取每一门课程标签的具体方法包括如下步骤：根据教学大纲以及课程介绍提取每一门课程的关键词组，并根据每一门课程的关键词组获取每一门课程标签。

6.如权利要求4所述的一种融合主题标签和用户偏好的课程推荐方法，其特征在于，根据每一门课程标签出现的次数对每一门课程进行聚类分析，将课程划分成不同类别的具体方法包括如下步骤：

初始化标签集合CT＝{{CTID₁，T1}，{CTID₂，T2}，{CTID₃，T3}，…，{CTID_n，Tn}}；

遍历计算标签集合CT中每一个节点与其他节点的互信息，判断互信息是否超过阈值，若是，则将对应的节点记录至列表T中；

遍历集合MAP，分别判断每一门课程标签是否存在于列表T中，若是，则对课程进行聚类分析；

其中，n表示课程的类别数，CTID_n表示第n门聚类识别出来的课程名称，T_n表示第n门聚类识别出来的课程标签出现的次数。

7.如权利要求6所述的一种融合主题标签和用户偏好的课程推荐方法，其特征在于，使用Topk算法进行课程推荐。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被执行时实现如权利要求4～7中任一项所述的融合主题标签和用户偏好的课程推荐方法。

9.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求4～7任一项所述的融合主题标签和用户偏好的课程推荐方法。