基于学生学习行为的高校图书推荐系统的设计与实现

发布时间：2023-09-16 10:07

　　图书馆是每个高校的核心教辅机关,是师生学习提升学习能力的重要场所。面对数以百万计的图书时,师生往往难以找到合适的、真正需要的书。检索主页热门TOP-N推荐书籍对于个人需求过于笼统,不能起到针对性效果。为此,个性化的推荐系统是高校图书馆发展的新方向。传统的推荐系统主要基于学生借阅记录的情况进行的协同过滤推荐,或者挖掘书籍间相关性TOP-N推荐,可以面向大众。但对于特定的群体——相同专业不同学习层级、不同年级段的学生进行推荐时,光靠静态的学生的借阅信息往往维度不够,需要一定的学生学习行为。针对以上问题,本文通过构建层级化学生模型,并通过分析学生学习行为习惯,结合学生在图书馆借阅的记录和入馆频次,设计定制化推荐方案。在此基础上,设计并实现了基于学生学习行为的高校图书推荐系统,主要工作如下:(1)构建了学生的层级模型。收集历年来同专业的学生基本信息,对其每学期学习成绩、奖学金、荣誉获奖、科研成果等进行分析,预处理归一化相关数据,加权求和得到学生的总体学习水平,通过决策树实现对学生的分类:优、良、中、合格、不合格。(2)定义了基于学生特征模型的协同过滤。收集动态数据源学生入馆门禁信息和借阅信息,...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 本文工作
    1.4 论文组织结构
2 相关理论与技术
    2.1 个性化推荐系统介绍
    2.2 个性化推荐算法介绍
        2.2.1 协同过滤推荐算法
        2.2.2 基于关联规则的推荐算法
        2.2.3 基于内容的推荐算法
        2.2.4 混合推荐算法
    2.3 分类算法介绍
        2.3.1 朴素贝叶斯分类法
        2.3.2 K最近邻分类法
        2.3.3 支持向量机分类法
        2.3.4 决策树分类法
3 学生学习静态数据统计与分析
    3.1 学生层级模型数据处理流程
    3.2 数据源
    3.3 数据预处理
        3.3.1 属性删除
        3.3.2 数据清理
        3.3.3 学生数据转换
        3.3.4 数据集成
    3.4 构建数据分类模型
        3.4.1 信息熵和信息增益
        3.4.2 构建决策树
        3.4.3 决策树的验证分析
    3.5 数据分析
    3.6 本章小结
4 基于学生特征模型的协同过滤
    4.1 基于学生特征模型的协同过滤流程
    4.2 数据预处理
        4.2.1 数据清洗
        4.2.2 数据转换
    4.3 同层级学生特征提取
    4.4 基于学生特征的协同过滤的设计
    4.5 冷启动问题
    4.6 本章小结
5 基于学生多目标的推荐方案
    5.1 基于学生多目标推荐流程
    5.2 图书分类
    5.3 多目标推荐方案
    5.4 构建文学类图书推荐
        5.4.1 文学图书热门列表创建
        5.4.2 基于学生借阅数据协同过滤
    5.5 构建专业图书推荐
        5.5.1 本学期相同层级推荐方案
        5.5.2 不同学期不同层级推荐方案
    5.6 边缘数据图书推荐
    5.7 本章小结
6 高校图书推荐系统设计与实现
    6.1 需求分析
        6.1.1 用例模型
        6.1.2 业务流程
    6.2 系统功能设计
        6.2.1 总架构设计
        6.2.2 系统模块设计
    6.3 数据库设计
        6.3.1 概念设计
        6.3.2 表设计
    6.4 系统关键模块设计
        6.4.1 推荐系统首页设计
        6.4.2 推荐专业图书设计
        6.4.3 推荐文学图书设计
        6.4.4 边缘数据推荐设计
    6.5 系统关键模块实现
        6.5.1 推荐系统首页
        6.5.2 推荐专业图书
        6.5.3 推荐文学图书
        6.5.4 边缘数据推荐
    6.6 评估
        6.6.1 评估指标
        6.6.2 评估实验
    6.7 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
参考文献
致谢



本文编号：3846818