大數(shù)據(jù)背景下計(jì)算機(jī)專業(yè)課程體系推薦算法研究

張沛露

（吉林建筑大學(xué)，吉林 長春130033）

1 概述

隨著大數(shù)據(jù)時代的來臨，我國經(jīng)濟(jì)、教育、科技等產(chǎn)業(yè)正發(fā)生深刻的發(fā)展變化，人們每時每刻都在獲取到大量數(shù)據(jù)，呈現(xiàn)爆炸式增長的態(tài)勢。網(wǎng)絡(luò)教學(xué)和大數(shù)據(jù)時代，大學(xué)生課程學(xué)習(xí)體系需要根據(jù)時代背景、個性特點(diǎn)進(jìn)行變革。尤其是計(jì)算機(jī)專業(yè)的課程體系更需要根據(jù)時代發(fā)展進(jìn)行變革。采用現(xiàn)有先進(jìn)手段，如大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等技術(shù)，有針對性地對學(xué)生的興趣偏好進(jìn)行分析，獲得學(xué)生感興趣專業(yè)書籍列表，完善專業(yè)課程體系，可以解決目前教學(xué)與實(shí)際應(yīng)用存在脫節(jié)問題，使課堂教學(xué)更有時效性，改善教學(xué)質(zhì)量。

高等教育行業(yè)，大數(shù)據(jù)及智能技術(shù)的出現(xiàn)和飛速發(fā)展更是引起了教學(xué)理念、教學(xué)方式、學(xué)生培養(yǎng)模式的變革。一直以來高等學(xué)校的學(xué)生培養(yǎng)模式都是在專業(yè)建設(shè)之初便確定下來，很少進(jìn)行修改。即使進(jìn)行修改，也很難針對學(xué)生特點(diǎn)進(jìn)行個性化調(diào)整。高等學(xué)校教學(xué)過程中，一直存在著很多問題，如專業(yè)課程體系一成不變，不能體現(xiàn)技術(shù)潮流、學(xué)生個性特點(diǎn)的變化，課程的教學(xué)效果大部到理想要求。傳統(tǒng)的專業(yè)建立后一成不變的課程體系的培養(yǎng)模式已經(jīng)不能滿足教學(xué)需求，無法充分調(diào)動學(xué)生的學(xué)習(xí)興趣及特點(diǎn)。學(xué)生在校內(nèi)學(xué)習(xí)過程中，在慕課、圖書借閱、校內(nèi)網(wǎng)站瀏覽等學(xué)習(xí)、生活過程中留有大量學(xué)習(xí)偏好數(shù)據(jù)。通過分析學(xué)生自身偏好數(shù)據(jù)，使用智能推薦算法，獲得具備個性化特點(diǎn)的課程體系，動態(tài)調(diào)整培養(yǎng)計(jì)劃，完善高校人才培養(yǎng)機(jī)制成為亟待解決的問題。

2 協(xié)同過濾推薦算法

推薦算法通過進(jìn)行數(shù)據(jù)分析，在海量的商品中推薦出用戶感興趣的商品，防止海量信息會對用戶造成壓力。

推薦算法能夠通過分析研究用戶的歷史行為信息，將行為信息加入到用戶模型和推薦對象模型中，經(jīng)過推薦算法的分析計(jì)算，生成初步推薦結(jié)果，通過多次的反復(fù)迭代計(jì)算，可以為用戶提供潛在需求的產(chǎn)品。

協(xié)同過濾推薦算法采用相似性的原理，當(dāng)用戶對某一對象A 感興趣時，算法通過計(jì)算其他對象與對象A 的相似性，根據(jù)相似性數(shù)據(jù)的大小得到排序列表，為用戶進(jìn)行推薦。該算法還能比較用戶之間的相似程度，這樣可以將某一對象推薦給某一類客戶。

圖1 基于物品的協(xié)同過濾方法

參考圖1 中所示的內(nèi)容，應(yīng)用基于項(xiàng)目的協(xié)同過濾方法進(jìn)行分析如下：

用戶1 感興趣的物品有：物品1、物品3 和物品4 感興趣；

用戶2 感興趣的物品有：物品1 和物品2；

用戶3 感興趣的物品有：物品1 和物品3。

由此可知物品1 和物品3 具有相似性，如果用戶表現(xiàn)出對物品1 的興趣一般還會對物品3 感興趣。用戶2 由于對物品1感興趣，系統(tǒng)會將物品3 推薦給用戶2。這個流程體現(xiàn)了基于項(xiàng)目的協(xié)同過濾思想。

3 大數(shù)據(jù)背景下專業(yè)課程設(shè)置

3.1 數(shù)據(jù)的采集與挖掘

在學(xué)校采集個性偏好數(shù)據(jù)時，用戶數(shù)據(jù)、書目數(shù)據(jù)和借閱數(shù)據(jù)是比較常用的數(shù)據(jù)源。采集學(xué)生校內(nèi)外學(xué)習(xí)、生活過程中產(chǎn)生的海量的網(wǎng)絡(luò)元數(shù)據(jù)，通過對使用智能推薦算法，形成學(xué)生學(xué)習(xí)興趣、課程的智能推薦，學(xué)校根據(jù)智能推薦的結(jié)果和學(xué)生意愿，完成對學(xué)生學(xué)習(xí)課程體系的再設(shè)計(jì)，安排進(jìn)行相應(yīng)專業(yè)的學(xué)習(xí)，強(qiáng)化學(xué)生實(shí)踐環(huán)節(jié)的差異化、人性化，實(shí)現(xiàn)學(xué)生培養(yǎng)模式的創(chuàng)新。

3.2 專業(yè)書籍推薦

采用基于物品的協(xié)同過濾ItemCF 算法（Item-based collaborative filtering）對學(xué)生感興趣的專業(yè)書籍進(jìn)行推薦，算法的思想是計(jì)算各專業(yè)書籍間的相似程度，常用相似度矩陣進(jìn)行表示。在為學(xué)生進(jìn)行推薦時考慮興趣數(shù)據(jù)獲取時間影響因素，使推薦更具有時效性。

ItemCF 算法的主要基于物品的相似性原理，給用戶推薦與其感興趣的物品具備較高相似的物品，主要包括以下幾個步驟：

（1）計(jì)算物品之間的相似度。

每個用戶的興趣都局限在某幾個方面，如果兩個物品屬于一個用戶的興趣列表，那么兩個物品可能就屬于有限的幾個領(lǐng)域，而如果兩個物品同屬于很多用戶的興趣列表，那么他們就可能屬于同一個領(lǐng)域，因而有很大的相似度。

（2）計(jì)算用戶U 對一個物品的興趣。

其中，P（u，j）表示興趣值，及物品j 能夠?qū)τ脩魎 產(chǎn)生的興趣，r（u，i）表示物品i 在用戶u 那里獲得的評分，S（j，k）表示k 個和物品j 最相似的物品，N（u）表示用戶瀏覽過的全部集合。

3.3 專業(yè)課程體系構(gòu)建

在采用基于物品的協(xié)同過濾算法獲得學(xué)生專業(yè)數(shù)據(jù)推薦列表的基礎(chǔ)上，將全部學(xué)生的專業(yè)書籍推薦列表作為樣本進(jìn)行統(tǒng)計(jì)，對推薦列表中的書籍進(jìn)行排序。專業(yè)課程體系構(gòu)建情況如如圖2 所示。圖中課程名稱前的序號是實(shí)驗(yàn)過程中課程推薦排序結(jié)果。

圖2 課程體系構(gòu)建結(jié)果

4 結(jié)論

創(chuàng)新學(xué)生培養(yǎng)模式作為培養(yǎng)具備創(chuàng)新能力學(xué)生的關(guān)鍵因素，如何為學(xué)生提供更加個性化，具備更符合時代發(fā)展潮流的課程體系是創(chuàng)新培養(yǎng)模式的有益探索。利用先進(jìn)的智能推薦算法，基于學(xué)生日常學(xué)習(xí)軌跡，獲得更加合理的課程體系是解決上述為題的有效手段。隨著個性化推薦系統(tǒng)及其相關(guān)技術(shù)的完善和廣泛使用，其在教育領(lǐng)域中的研究將會越來越全面和深入。