基于MOOC的課程推薦算法研究

《基于MOOC的課程推薦算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、ＷｕｈａｎＩｎｓｔｉｔｕｔｅＯｆＴｅｃｈｎｏｌｏｇｙ碩士學(xué)位論文基于ＭＯＯＣ的課程推薦算法研究類型／領(lǐng)域：人工智能研究生：張竣士指導(dǎo)教師：冉全培養(yǎng)單位：計算機學(xué)院二〇一七年五月ResearchonAlgorithmofCourseRecommendationBasedonMOOCAThesisSubmittedfortheDegreeofMasterMajor：ArtificialIntelligenceCandidate：ZhangJunshiSupervisor：RanQuanWuhanInstituteofTechnologyWuhan,Hu

2、bei430073,P.R.China摘要數(shù)據(jù)挖掘技術(shù)（DataMining），是在大量的真實數(shù)據(jù)中通過不同的手段和方法進行分析后獲得數(shù)據(jù)之間的模式、規(guī)則與關(guān)聯(lián)的技術(shù)，它是集多個領(lǐng)域和技術(shù)的交叉性學(xué)科，其中包括了如機器學(xué)習(xí)（TheMachineLearning），人工智能（ArtificialIntelligence），模式識別（PatternRecognition），數(shù)據(jù)庫技術(shù)（DatabaseTechnology），數(shù)據(jù)可視化（DataVisualization）與統(tǒng)計學(xué)（Statistics）等。聚類（Clustering）、回歸分析（RegressionAnalysis）與分類

3、（Classification）、偏差分析（DeviationAnalysis）、關(guān)聯(lián)規(guī)則（AssociationRules）等是數(shù)據(jù)挖掘進行建模等的常用方法。在本文中，主要使用聚類、分類與關(guān)聯(lián)分析以及相關(guān)的算法展開研究。時下，大規(guī)模開放式在線課程——慕課（MOOC）的技術(shù)于在線網(wǎng)絡(luò)教育得到快速的普及與發(fā)展，本文以某高校的“云課堂”MOOC平臺為依托，運用關(guān)聯(lián)分析、協(xié)同過濾技術(shù)，以計算機學(xué)院三百名學(xué)生的近五十門在線課程學(xué)習(xí)數(shù)據(jù)為進行挖掘的數(shù)據(jù)源，通過分析學(xué)生成績間的時序關(guān)系和內(nèi)在關(guān)聯(lián)性，達到利用學(xué)生前期選課的學(xué)習(xí)情況，對學(xué)生選修特定課程的學(xué)習(xí)情況進行預(yù)測，并分析出課程成績之間的關(guān)聯(lián)，試

4、圖尋找解決當(dāng)前高校學(xué)生學(xué)習(xí)效率較低、能動性不足、知識轉(zhuǎn)化率偏低的問題之方案，力求為學(xué)生推薦更適合其學(xué)習(xí)，有利于其的長久發(fā)展與規(guī)劃的課程。本文先分析關(guān)聯(lián)規(guī)則和協(xié)同過濾的原理與方法，根據(jù)實際的業(yè)務(wù)場景，對推薦系統(tǒng)做出響應(yīng)的分析設(shè)計，提出融合的推薦方案，然后通過關(guān)聯(lián)分析對慕課系統(tǒng)中的學(xué)生學(xué)習(xí)情況的相關(guān)數(shù)據(jù)進行收集和整理，對待挖掘的學(xué)生成績數(shù)據(jù)進行合并集成，得到學(xué)生選修課程和成績的時間序列數(shù)據(jù)；并利用離散化和數(shù)據(jù)稀疏化進行預(yù)處理，得到高度結(jié)構(gòu)化的可挖掘、并能夠用Weka（新西蘭UniversityofWaikato研發(fā)的一款開源的機器學(xué)習(xí)平臺）進行處理的數(shù)據(jù)條目。之后利用關(guān)聯(lián)規(guī)則頻繁度分析算法

5、Apriori對學(xué)生成績數(shù)據(jù)進行關(guān)聯(lián)發(fā)現(xiàn)，利用基于尋找與發(fā)現(xiàn)同一專業(yè)下不同課程之間的成績關(guān)聯(lián)，得到學(xué)生歷史成績與課程間的關(guān)聯(lián)關(guān)系。以期得到在某前置課程獲得優(yōu)秀成績的情況下，再學(xué)習(xí)其他哪些課程更有可能取得較好成績。其I中，再分別使用基于學(xué)生以及基于課程的協(xié)同過濾推薦，根據(jù)學(xué)生、課程之間的相似性進行綜合分析與加權(quán)排序，剔除不合理、不合邏輯以及冗余的數(shù)據(jù)，得到符合要求的推薦結(jié)果。最后，根據(jù)源于關(guān)聯(lián)分析與協(xié)同過濾所得到的結(jié)果做出聯(lián)合推薦。在本研究的推薦設(shè)計中，開創(chuàng)性的將學(xué)生的“天賦”與“興趣”融合進了推薦算法的條件因素中。作為推薦算法，在電商中，更多的考慮的是用戶的購物習(xí)慣、收入條件等因素；作

6、為課程安排，學(xué)校中更多的考慮的是課程之間的關(guān)系，以及對學(xué)生綜合性的素質(zhì)培養(yǎng)。但是實際情況是每個學(xué)生都有自己所感興趣的方向，有自己所喜愛和擅長的課程，因材施教將更有利于發(fā)掘?qū)W生的潛力，助力學(xué)生的成長。關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)分析；協(xié)同過濾；Apriori；MOOCIIAbstractDataminingisatechnologythatanalyzestherelationship,trendandmodeofdatabyanalyzingmassivedata.Itisatechnologythatintegratesartificialintelligence,databasetech

7、nology,patternrecognition,machinelearning,datavisualizationandstatistics.Technologyofcross-disciplinary.Clustering,regressionanalysisandclassification,deviationanalysis,andassociationrulesarethecommonmethodsofdataminingmodel