[发明专利]一种智能选课推荐的方法

摘要

本发明公开了一种智能选课推荐的方法。本发明通过计算与当前学生选课页面访问相似度、与当前学生课程评分相似度、与当前学生选课记录相似度、构建课程图谱树后各自得到推荐的选课集，然后将上述得到的选课集进行加权合并最终得到推荐选课集。本发明考虑了多种维度，实现课程的个性化推荐，有效解决学生选课的盲目性；可以更好地利用学校现有系统数据；使用了成熟的协同过滤及基于内容的推荐技术，实现较为容易。

主权项

一种智能选课推荐的方法，其特征在于，包括以下步骤：S1：通过计算获得与当前学生网上选课行为相似的学生的集合，综合这一集合中的学生对可选课程的评价计算当前学生对课程的网上选课行为的预测评分，获得当前学生的推荐选课集Class_set1；S2：通过计算获得与当前学生的课程评分相似的学生的集合，综合这一集合中的学生对可选课程的评价计算当前学生对课程评分预测值，获得当前学生的推荐选课集Class_set2；S3：通过计算获得与当前学生的选课相似的学生的集合，将已经被这一集合中的学生选择的课程作为当前学生的推荐选课集Class_set3；S4：通过课程图谱树得到推荐选课集Class_set4；S9：综合Class_set1、Class_set2、Class_set3和Class_set4得到推荐选课集；所述步骤S1获得的选课集Class_set1包含有网上选课行为的评分的预期值；所述步骤S2获得的选课集Class_set2包含有课程评分的预期值；所述步骤S3获得的选课集Class_set3包含有选课人数值；所述步骤S4获得的选课集Class_set4包含有课程间关联关系的权重值之和；所述步骤S9包括：S91：合并Class_set＝Class_set1∪Class_set2∪Class_set3∪Class_set4；S92：计算Class_set中课程的优先值Priorityi＝a×tai+b×tsi+c×cpi+d×wti；其中Priorityi为Class_set中第i个课程的优先值，tai为Class_set中第i个课程的网上选课行为的预测评分；tsi为Class_set中第i个课程的评分的预期值；cpi为Class_set中第i个课程对应的选课人数值；wti为Class_set中第i个课程对应的课程间关联关系的权重值之和；a、b、c、d为常量；S93：从Class_set中选择优先值Priorityi最高的前N8门课程作为最终的推荐选课集。