張沛露

（吉林建筑大學，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、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)絡教學和大數(shù)據(jù)時代，大學生課程學習體系需要根據(jù)時代背景、個性特點進行變革。尤其是計算機專業(yè)的課程體系更需要根據(jù)時代發(fā)展進行變革。采用現(xiàn)有先進手段，如大數(shù)據(jù)分析、機器學習等技術(shù)，有針對性地對學生的興趣偏好進行分析，獲得學生感興趣專業(yè)書籍列表，完善專業(yè)課程體系，可以解決目前教學與實際應用存在脫節(jié)問題，使課堂教學更有時效性，改善教學質(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)展更是引起了教學理念、教學方式、學生培養(yǎng)模式的變革。一直以來高等學校的學生培養(yǎng)模式都是在專業(yè)建設之初便確定下來，很少進行修改。即使進行修改，也很難針對學生特點進行個性化調(diào)整。高等學校教學過程中，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、學生個性特點的變化，課程的教學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)不能滿足教學需求，無法充分調(diào)動學生的學習興趣及特點。學生在校內(nèi)學習過程中，在慕課、圖書借閱、校內(nèi)網(wǎng)站瀏覽等學習、生活過程中留有大量學習偏好數(shù)據(jù)。通過分析學生自身偏好數(shù)據(jù)，使用智能推薦算法，獲得具備個性化特點的課程體系，動態(tài)調(diào)整培養(yǎng)計劃，完善高校人才培養(yǎng)機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算，生成初步推薦結(jié)果，通過多次的反復迭代計算，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，當用戶對某一對象A 感興趣時，算法通過計算其他對象與對象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，應用基于項目的協(xié)同過濾方法進行分析如下：

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)了基于項目的協(xié)同過濾思想。

3 大數(shù)據(jù)背景下專業(yè)課程設置

3.1 數(shù)據(jù)的采集與挖掘

在學校采集個性偏好數(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。采集學生校內(nèi)外學習、生活過程中產(chǎn)生的海量的網(wǎng)絡元數(shù)據(jù)，通過對使用智能推薦算法，形成學生學習興趣、課程的智能推薦，學校根據(jù)智能推薦的結(jié)果和學生意愿，完成對學生學習課程體系的再設計，安排進行相應專業(yè)的學習，強化學生實踐環(huán)節(jié)的差異化、人性化，實現(xiàn)學生培養(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）對學生感興趣的專業(yè)書籍進行推薦，算法的思想是計算各專業(yè)書籍間的相似程度，常用相似度矩陣進行表示。在為學生進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)同過濾算法獲得學生專業(yè)數(shù)據(jù)推薦列表的基礎(chǔ)上，將全部學生的專業(yè)書籍推薦列表作為樣本進行統(tǒng)計，對推薦列表中的書籍進行排序。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驗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)新學生培養(yǎng)模式作為培養(yǎng)具備創(chuàng)新能力學生的關(guān)鍵因素，如何為學生提供更加個性化，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。利用先進的智能推薦算法，基于學生日常學習軌跡，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。