CN116843526B - 一种提升学生选课概率的方法、系统、设备及存储介质 - Google Patents
一种提升学生选课概率的方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN116843526B CN116843526B CN202311108666.4A CN202311108666A CN116843526B CN 116843526 B CN116843526 B CN 116843526B CN 202311108666 A CN202311108666 A CN 202311108666A CN 116843526 B CN116843526 B CN 116843526B
- Authority
- CN
- China
- Prior art keywords
- student
- matrix
- class
- representing
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims abstract description 265
- 230000006870 function Effects 0.000 claims description 127
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 11
- 238000011478 gradient descent method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims 2
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Algebra (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种提升学生选课概率的方法、系统、设备及存储介质,本方法通过获取学生集合和课程集合,并根据学生集合和课程集合构建第一学生课堂矩阵;其中,一个课程对应有多个课堂;基于学生、课程和教师的相关属性,构建第一函数;根据第一函数在预设时间内更新第一学生课堂矩阵,得到第二学生课堂矩阵;将第二学生课堂矩阵分解为两个矩阵相乘,构建包含第一函数和第二学生课堂矩阵的第二函数,并根据第二函数计算得到第二学生课堂矩阵分解的学生矩阵和课堂矩阵;基于学生矩阵和课堂矩阵求解每个学生选课概率高的多个课堂;根据多个课堂构建每个学生选课概率高的可选课堂集合。本发明能够提高学生选课概率,提高学生选课的满意度。
Description
技术领域
本发明涉及智能选课技术领域,尤其是涉及一种提升学生选课概率的方法、系统、设备及存储介质。
背景技术
目前高校尤其是综合类高校,选课是高校教学活动中一个较为重要的环节,教务管理软件的选课模块是支持选课业务的一个关键模块。提升学生选课概率,就可以提升学生选课的满意度。而传统的学生选课方法,根据学生的可选范围,筛选出课堂,然后供学生进行选课。学生需要在大量的数据中进行查询、查找和分析,才可能选中自己心仪的课程。传统的学生选课方法的主要缺点是:一是大多数的学生由于课堂的容量限制,在有限的时间内无法选中满意的课程;二是学生选课的盲目性,对于同类型的课程不清楚选择哪些课堂更合适。最终结果学生的普遍满意度不高。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种提升学生选课概率的方法、系统、设备及存储介质,能够提高学生选课概率,提高学生选课的满意度。
第一方面,本发明实施例提供了一种提升学生选课概率的方法,所述提升学生选课概率的方法包括:
获取学生集合和课程集合,并根据所述学生集合和所述课程集合构建第一学生课堂矩阵;其中,一个课程对应有多个课堂;
基于学生、课程和教师的相关属性,构建第一函数;其中:
通过如下方式构建所述第一函数:
其中,表示第一函数的返回值,/>表示关联学生的属性函数,/>表示关联课程的属性函数,/>表示关联教师的属性函数,/>表示第一学生课堂矩阵中每个学生所在专业的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在班级的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在专业的所有学生数,/>表示第一学生课堂矩阵中每个学生所在班级的所有学生数,/>,/>表示第一学生课堂矩阵中每个课程属性选中的课程数量,/>表示第一学生课堂矩阵中每个课程大类选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性的所有课程数量,/>表示第一学生课堂矩阵中每个课程大类的所有课程数量,/>,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称被选中的课程数量,/>表示教师职称对应的教师年龄段被选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称带的所有课程数量,/>表示教师职称对应的教师年龄段带的所有课程数量,/>,;
根据所述第一函数在预设时间内更新所述第一学生课堂矩阵,得到第二学生课堂矩阵;
将所述第二学生课堂矩阵分解为两个矩阵相乘,构建包含所述第一函数和所述第二学生课堂矩阵的第二函数,并根据所述第二函数计算得到所述第二学生课堂矩阵分解的学生矩阵和课堂矩阵;
基于所述学生矩阵和所述课堂矩阵求解每个学生选课概率高的多个课堂;
根据所述多个课堂构建每个学生选课概率高的可选课堂集合。
与现有技术相比,本发明第一方面具有以下有益效果:
本方法基于学生矩阵和课堂矩阵求解每个学生选课概率高的多个课堂,学生矩阵和课堂矩阵是分解的第二学生课堂矩阵,而第二学生课堂矩阵是通过第一函数进行更新的,第一函数综合考虑了学生、课程和教师的相关属性进行构建的,根据综合考虑了学生、课程和教师的相关属性的选课概率高的多个课堂构建每个学生选课概率高的可选课堂集合,能够提高学生选课概率,提高学生选课的满意度;分解第二学生课堂矩阵后再求解每个学生选课概率高的多个课堂,能够降低计算量,进而降低了学生找课堂的时间,降低了用于选课的服务器的使用时间,节约了大量的网络带宽。
根据本发明的一些实施例,所述根据所述第一函数在预设时间内更新所述第一学生课堂矩阵,包括:
若当前学生选中课程时,则将所述第一学生课堂矩阵中对应的元素值更新为所述第一函数的返回值的两倍;
若当前学生没有选中课程,有其他学生选中所述课程时,则将所述第一学生课堂矩阵中对应的元素值更新为所述第一函数的返回值;
若没有任何学生选中课程时,则将所述第一学生课堂矩阵中对应的元素值更新为预设值。
根据本发明的一些实施例,所述将所述第二学生课堂矩阵分解为两个矩阵相乘,构建包含所述第一函数和所述第二学生课堂矩阵的第二函数,包括:
通过如下方式将所述第二学生课堂矩阵分解为两个矩阵相乘:
通过如下方式构建包含所述第一函数和所述第二学生课堂矩阵的第二函数:
其中,表示所述第一学生课堂矩阵,/>表示学生,/>表示课堂,/>表示隐含属性,/>表示学生矩阵,/>表示课堂矩阵,/>表示第一函数的返回值,/>表示学生,/>表示课程,/>表示教师,/>表示第二函数的返回值,/>表示所述第二学生课堂矩阵,表示偏置,/>表示常数。
根据本发明的一些实施例,所述根据所述第二函数计算得到所述第二学生课堂矩阵分解的学生矩阵和课堂矩阵,包括:
采用梯度下降法计算所述第二函数,使所述第二函数的返回值最小,以得到所述第二学生课堂矩阵分解的学生矩阵和课堂矩阵。
根据本发明的一些实施例,所述基于所述学生矩阵和所述课堂矩阵求解每个学生选课概率高的多个课堂,包括:
从所述学生矩阵中取出一个元素值乘以所述课堂矩阵中每一行元素值,得到多个计算结果;
将多个计算结果值按照选课概率高低进行排序,得到排序后的多个计算结果值;
从所述排序后的多个计算结果值中选取预设数量的选课概率高的计算结果值,得到每个学生选课概率高的多个课堂。
根据本发明的一些实施例,所述根据所述多个课堂构建每个学生选课概率高的可选课堂集合,包括:
从每个学生所有可选课堂集合中删除与所述多个课堂对应的课堂,得到剩余可选课堂集合;
将所述多个课堂排在所述剩余可选课堂集合中的最前面,以得到每个学生选课概率高的可选课堂集合。
第二方面,本发明实施例还提供了一种提升学生选课概率的系统,所述提升学生选课概率的系统包括:
学生课堂矩阵构建单元,用于获取学生集合和课程集合,并根据所述学生集合和所述课程集合构建第一学生课堂矩阵;其中,一个课程对应有多个课堂;
第一函数构建单元,用于基于学生、课程和教师的相关属性,构建第一函数;其中:
通过如下方式构建所述第一函数:
,
其中,表示第一函数的返回值,/>表示关联学生的属性函数,/>表示关联课程的属性函数,/>表示关联教师的属性函数,/>表示第一学生课堂矩阵中每个学生所在专业的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在班级的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在专业的所有学生数,/>表示第一学生课堂矩阵中每个学生所在班级的所有学生数,/>,/>表示第一学生课堂矩阵中每个课程属性选中的课程数量,/>表示第一学生课堂矩阵中每个课程大类选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性的所有课程数量,/>表示第一学生课堂矩阵中每个课程大类的所有课程数量,/>,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称被选中的课程数量,/>表示教师职称对应的教师年龄段被选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称带的所有课程数量,/>表示教师职称对应的教师年龄段带的所有课程数量,/>,;
学生课堂矩阵更新单元,用于根据所述第一函数在预设时间内更新所述第一学生课堂矩阵,得到第二学生课堂矩阵;
第二函数构建单元,用于将所述第二学生课堂矩阵分解为两个矩阵相乘,构建包含所述第一函数和所述第二学生课堂矩阵的第二函数,并根据所述第二函数计算得到所述第二学生课堂矩阵分解的学生矩阵和课堂矩阵;
选课概率求解单元,用于基于所述学生矩阵和所述课堂矩阵求解每个学生选课概率高的多个课堂;
课堂集合构建单元,用于根据所述多个课堂构建每个学生选课概率高的可选课堂集合。
第三方面,本发明实施例还提供了一种提升学生选课概率的设备,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如上所述的一种提升学生选课概率的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上所述的一种提升学生选课概率的方法。
可以理解的是,上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同,可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一实施例的一种提升学生选课概率的方法的流程图;
图2是本发明另一实施例的提升学生选课概率的方法的流程图;
图3是本发明一实施例的一种提升学生选课概率的系统的结构图;
图4是本发明一实施例的一种电子设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,如果有描述到第一、第二等只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
本发明的描述中,需要说明的是,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
目前高校尤其是综合类高校,选课是高校教学活动中一个较为重要的环节,教务管理软件的选课模块是支持选课业务的一个关键模块。提升学生选课概率,就可以提升学生选课的满意度。而传统的学生选课方法,根据学生的可选范围,筛选出课堂,然后供学生进行选课。学生需要在大量的数据中进行查询、查找和分析,才可能选中自己心仪的课程。传统的学生选课方法的主要缺点是:一是大多数的学生由于课堂的容量限制,在有限的时间内无法选中满意的课程;二是学生选课的盲目性,对于同类型的课程不清楚选择哪些课堂更合适。最终结果学生的普遍满意度不高。
为解决上述问题,本发明基于学生矩阵和课堂矩阵求解每个学生选课概率高的多个课堂,学生矩阵和课堂矩阵是分解的第二学生课堂矩阵,而第二学生课堂矩阵是通过第一函数进行更新的,第一函数综合考虑了学生、课程和教师的相关属性进行构建的,根据综合考虑了学生、课程和教师的相关属性的选课概率高的多个课堂构建每个学生选课概率高的可选课堂集合,能够提高学生选课概率,提高学生选课的满意度;分解第二学生课堂矩阵后再求解每个学生选课概率高的多个课堂,能够降低计算量,进而降低了学生找课堂的时间,降低了用于选课的服务器的使用时间,节约了大量的网络带宽。
对本公开实施例进行进一步详细说明之前,对本公开实施例中涉及的名词和术语进行说明,本公开实施例中涉及的名词和术语适用于如下的解释:
梯度下降法:它是机器学习中一种常用到的算法,但其本身不是机器学习算法,而是一种求解的最优化算法。梯度下降法主要解决求最小值问题,其基本思想在于不断地逼近最优点,每一步的优化方向就是梯度的方向。
参照图1,本发明实施例提供了一种提升学生选课概率的方法,本提升学生选课概率的方法包括但不限于步骤S100至步骤S600,其中:
步骤S100、获取学生集合和课程集合,并根据学生集合和课程集合构建第一学生课堂矩阵;其中,一个课程对应有多个课堂;
步骤S200、基于学生、课程和教师的相关属性,构建第一函数;
步骤S300、根据第一函数在预设时间内更新第一学生课堂矩阵,得到第二学生课堂矩阵;
步骤S400、将第二学生课堂矩阵分解为两个矩阵相乘,构建包含第一函数和第二学生课堂矩阵的第二函数,并根据第二函数计算得到第二学生课堂矩阵分解的学生矩阵和课堂矩阵;
步骤S500、基于学生矩阵和课堂矩阵求解每个学生选课概率高的多个课堂;
步骤S600、根据多个课堂构建每个学生选课概率高的可选课堂集合。
在本实施例中,为了提高学生选课概率,提高学生选课的满意度,本实施例通过获取学生集合和课程集合,并根据学生集合和课程集合构建第一学生课堂矩阵;然后基于学生、课程和教师的相关属性构建第一函数,并根据第一函数在预设时间内更新第一学生课堂矩阵得到第二学生课堂矩阵;为了降低计算量,进而降低学生找课堂的时间,本实施例将第二学生课堂矩阵分解为两个矩阵相乘,构建包含第一函数和第二学生课堂矩阵的第二函数,并根据第二函数计算得到第二学生课堂矩阵分解的学生矩阵和课堂矩阵,然后基于学生矩阵和课堂矩阵求解每个学生选课概率高的多个课堂,根据多个课堂构建每个学生选课概率高的可选课堂集合。
在一些实施例中,通过如下方式构建第一函数:
其中,表示第一函数的返回值,/>表示关联学生的属性函数,/>表示关联课程的属性函数,/>表示关联教师的属性函数,/>表示第一学生课堂矩阵中每个学生所在专业的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在班级的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在专业的所有学生数,/>表示第一学生课堂矩阵中每个学生所在班级的所有学生数,/>,/>表示第一学生课堂矩阵中每个课程属性选中的课程数量,/>表示第一学生课堂矩阵中每个课程大类选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性的所有课程数量,/>表示第一学生课堂矩阵中每个课程大类的所有课程数量,/>,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称被选中的课程数量,/>表示教师职称对应的教师年龄段被选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称带的所有课程数量,/>表示教师职称对应的教师年龄段带的所有课程数量,/>,。
在本实施例中,通过融入学生、课程、教师各自相关属性来更新第一学生课堂矩阵,能够得到可选概率高并且满意度高的课堂。
在一些实施例中,根据第一函数在预设时间内更新第一学生课堂矩阵,包括:
若当前学生选中课程时,则将第一学生课堂矩阵中对应的元素值更新为第一函数的返回值的两倍;
若当前学生没有选中课程,有其他学生选中课程时,则将第一学生课堂矩阵中对应的元素值更新为第一函数的返回值;
若没有任何学生选中课程时,则将第一学生课堂矩阵中对应的元素值更新为预设值。
在本实施例中,根据当前学生选中课程、当前学生没有选中课程但有其他学生选中课程以及没有任何学生选中课程时,采用第一函数的返回值更新第一学生课堂矩阵,使得到的第二学生课堂矩阵中含有可选概率高并且满意度高的课堂。
在一些实施例中,将第二学生课堂矩阵分解为两个矩阵相乘,构建包含第一函数和第二学生课堂矩阵的第二函数,包括:
通过如下方式将第二学生课堂矩阵分解为两个矩阵相乘:
通过如下方式构建包含第一函数和第二学生课堂矩阵的第二函数:
其中,表示第一学生课堂矩阵,/>表示学生,/>表示课堂,/>表示隐含属性,表示学生矩阵,/>表示课堂矩阵,/>表示第一函数的返回值,/>表示学生,/>表示课程,/>表示教师,/>表示第二函数的返回值,/>表示第二学生课堂矩阵,/>表示偏置,/>表示常数。
在本实施例中,将第二学生课堂矩阵分解为两个矩阵相乘,是为了降低计算量,节约时间成本。
在一些实施例中,根据第二函数计算得到第二学生课堂矩阵分解的学生矩阵和课堂矩阵,包括:
采用梯度下降法计算第二函数,使第二函数的返回值最小,以得到第二学生课堂矩阵分解的学生矩阵和课堂矩阵。
在本实施例中,采用梯度下降法计算第二函数,能够得到最优化的第二学生课堂矩阵分解的学生矩阵和课堂矩阵。
在一些实施例中,基于学生矩阵和课堂矩阵求解每个学生选课概率高的多个课堂,包括:
从学生矩阵中取出一个元素值乘以课堂矩阵中每一行元素值,得到多个计算结果;
将多个计算结果值按照选课概率高低进行排序,得到排序后的多个计算结果值;
从排序后的多个计算结果值中选取预设数量的选课概率高的计算结果值,得到每个学生选课概率高的多个课堂。
在本实施例中,将多个计算结果按照选课概率高低进行排序,能够将选课概率高的课堂推至最前面,以使学生选到满意度高的课堂。
在一些实施例中,根据多个课堂构建每个学生选课概率高的可选课堂集合,包括:
从每个学生所有可选课堂集合中删除与多个课堂对应的课堂,得到剩余可选课堂集合;
将多个课堂排在剩余可选课堂集合中的最前面,以得到每个学生选课概率高的可选课堂集合。
在本实施例中,从初始的每个学生所有可选课堂集合中删除与多个课堂对应的课堂,然后将排序后选取的预设数量的选课概率高的多个课堂排在剩余可选课堂集合中的最前面,使得学生在第一页就能看到自己想选的课堂,能够提高学生选课概率,提高学生选课的满意度,并且由于无需翻页寻找可选课堂,能够减少学生找课堂的时间。
为方便本领域人员理解,以下提供一组最佳实施例:
1、初始构造学生课堂矩阵。
参照图2,获取学生集合S和课程集合C,根据学生集合和课程集合,构造所有选课学生、课堂的第一学生课堂矩阵。其中,一个课程对应有多个课堂,若学生选中过该课程,则将第一学生课堂矩阵中的元素值设置为2;若没有选中该课程,则将第一学生课堂矩阵中的元素值设置为空。
2、更新第一学生课堂矩阵,得到第二学生课堂矩阵。
为了更好的更新第一学生课堂矩阵,融入了学生、课程、教师各自相关属性,并定义如下第一函数:
其中,表示第一函数的返回值,/>表示关联学生的属性函数,/>表示关联课程的属性函数,/>表示关联教师的属性函数,/>表示第一学生课堂矩阵中每个学生所在专业的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在班级的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在专业的所有学生数,/>表示第一学生课堂矩阵中每个学生所在班级的所有学生数,/>,默认值设置为[70%,30%],表示第一学生课堂矩阵中每个课程属性选中的课程数量,/>表示第一学生课堂矩阵中每个课程大类选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性的所有课程数量,/>表示第一学生课堂矩阵中每个课程大类的所有课程数量,/>,默认值设置为[50%,50%],/>表示第一学生课堂矩阵中每个课程属性对应的教师职称被选中的课程数量,/>表示教师职称对应的教师年龄段被选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称带的所有课程数量,/>表示教师职称对应的教师年龄段带的所有课程数量,/>,/>,默认值设置为[50%,25%,25%]。
根据第一函数的返回值,依次更新矩阵中每一个元素值i:
其中,为第一函数的返回值,若当前学生选中课程时,则将第一学生课堂矩阵中对应的元素值更新为第一函数的返回值的两倍;若当前学生没有选中课程,有其他学生选中课程时,则将第一学生课堂矩阵中对应的元素值更新为第一函数的返回值;若没有任何学生选中课程时,则将第一学生课堂矩阵中对应的元素值更新为预设值,本实施例的预设值设置为0.001。
3、分解第二学生课堂矩阵。
分解第二学生课堂矩阵为两个矩阵/>和/>相乘:
为了求出两个分解矩阵,需要定义合适的第二函数,第二函数定义如下:
其中,表示第一学生课堂矩阵,/>表示学生,/>表示课堂,/>表示隐含属性,表示学生矩阵,/>表示课堂矩阵,/>表示第一函数的返回值,/>表示学生,/>表示课程,/>表示教师,/>表示第二函数的返回值,/>表示第二学生课堂矩阵,/>表示偏置,/>表示常数,/>默认值设置为0.01。
对第二函数求解只需要采用梯度下梯法,使最小即可求得/>和/>。
4、构建每个学生选课概率高的可选课堂集合。
计算TOPn,合并学生可选课堂集合。其中n默认值取10,对于每个学生,从矩阵中取出一个元素值乘以/>中每一行元素值,得到多个计算结果;然后将多个计算结果按照选课概率从高到低进行排序;取出前n个选课概率高的计算结果值,得到n个选课概率高的课堂。然后从所有该学生可选课堂集合中排除与前n个选课概率高的计算结果值对应的元素值,得到剩余学生可选课堂集合,将n个选课概率高的课堂与剩余学生可选课堂集合进行合并,并将n个选课概率高的课堂排在剩余学生可选课堂集合的最前面,得到每个学生选课概率高的可选课堂集合;最后,定时更新/>矩阵,定时默认值T设置为50ms。
需要说明的是,本实施例的默认值和预设值设置可根据实际情况进行更改,本实施例不做具体限定。
在本实施例中,通过把综合考虑了学生、课程、教师各自相关属性的选课概率高的课堂推至最前面,以提高学生可选课堂的概率。通过实际运行,采用本实施例的方法在相同规模下,可以提升学生选中课堂的概率,提升学生选课的满意度,同时也降低了学生找课堂的时间,进而降低了选课的服务器使用时间,节约大量的网络带宽。
参照图3,本发明实施例还提供了一种提升学生选课概率的系统,本提升学生选课概率的系统包括:
学生课堂矩阵构建单元,用于获取学生集合和课程集合,并根据学生集合和课程集合构建第一学生课堂矩阵;其中,一个课程对应有多个课堂;
第一函数构建单元,用于基于学生、课程和教师的相关属性,构建第一函数;其中:
通过如下方式构建所述第一函数:
,
其中,表示第一函数的返回值,/>表示关联学生的属性函数,/>表示关联课程的属性函数,/>表示关联教师的属性函数,/>表示第一学生课堂矩阵中每个学生所在专业的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在班级的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在专业的所有学生数,/>表示第一学生课堂矩阵中每个学生所在班级的所有学生数,/>,/>表示第一学生课堂矩阵中每个课程属性选中的课程数量,/>表示第一学生课堂矩阵中每个课程大类选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性的所有课程数量,/>表示第一学生课堂矩阵中每个课程大类的所有课程数量,/>,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称被选中的课程数量,/>表示教师职称对应的教师年龄段被选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称带的所有课程数量,/>表示教师职称对应的教师年龄段带的所有课程数量,/>,;
学生课堂矩阵更新单元,用于根据第一函数在预设时间内更新第一学生课堂矩阵,得到第二学生课堂矩阵;
第二函数构建单元,用于将第二学生课堂矩阵分解为两个矩阵相乘,构建包含第一函数和第二学生课堂矩阵的第二函数,并根据第二函数计算得到第二学生课堂矩阵分解的学生矩阵和课堂矩阵;
选课概率求解单元,用于基于学生矩阵和课堂矩阵求解每个学生选课概率高的多个课堂;
课堂集合构建单元,用于根据多个课堂构建每个学生选课概率高的可选课堂集合。
需要说明的是,由于本实施例中的一种提升学生选课概率的系统与上述的一种提升学生选课概率的方法基于相同的发明构思,因此,方法实施例中的相应内容同样适用于本系统实施例,此处不再详述。
参见图4,本申请实施例还提供了一种提升学生选课概率的设备,本提升学生选课概率的设备包括:
至少一个存储器;
至少一个处理器;
至少一个程序;
程序被存储在存储器中,处理器执行至少一个程序以实现本公开实施上述的提升学生选课概率的方法。
该电子设备可以为包括手机、平板电脑、个人数字助理(Personal DigitalAssistant,PDA)、车载电脑等任意智能终端。
下面对本申请实施例的电子设备进行详细介绍。
处理器1600,可以采用通用的中央处理器(Central Processing Unit,CPU)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本公开实施例所提供的技术方案;
存储器1700,可以采用只读存储器(Read Only Memory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory,RAM)等形式实现。存储器1700可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1700中,并由处理器1600来调用执行本公开实施例的提升学生选课概率的方法。
输入/输出接口1800,用于实现信息输入及输出;
通信接口1900,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线2000,在设备的各个组件(例如处理器1600、存储器1700、输入/输出接口1800和通信接口1900)之间传输信息;
其中处理器1600、存储器1700、输入/输出接口1800和通信接口1900通过总线2000实现彼此之间在设备内部的通信连接。
本公开实施例还提供了一种存储介质,该存储介质是计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令用于使计算机执行上述提升学生选课概率的方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案,并不构成对于本公开实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本公开实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图中示出的技术方案并不构成对本公开实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory, ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序的介质。上面结合附图对本申请实施例作了详细说明,但本申请不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下作出各种变化。
Claims (8)
1.一种提升学生选课概率的方法,其特征在于,所述提升学生选课概率的方法包括:
获取学生集合和课程集合,并根据所述学生集合和所述课程集合构建第一学生课堂矩阵;其中,一个课程对应有多个课堂;
基于学生、课程和教师的相关属性,构建第一函数;其中:
通过如下方式构建所述第一函数:
,
其中,表示第一函数的返回值,/>表示关联学生的属性函数,/>表示关联课程的属性函数,/>表示关联教师的属性函数,/>表示第一学生课堂矩阵中每个学生所在专业的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在班级的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在专业的所有学生数,/>表示第一学生课堂矩阵中每个学生所在班级的所有学生数,/>,/>表示第一学生课堂矩阵中每个课程属性选中的课程数量,/>表示第一学生课堂矩阵中每个课程大类选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性的所有课程数量,/>表示第一学生课堂矩阵中每个课程大类的所有课程数量,/>,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称被选中的课程数量,/>表示教师职称对应的教师年龄段被选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称带的所有课程数量,/>表示教师职称对应的教师年龄段带的所有课程数量,/>,/>;
根据所述第一函数在预设时间内更新所述第一学生课堂矩阵,得到第二学生课堂矩阵;
将所述第二学生课堂矩阵分解为两个矩阵相乘,构建包含所述第一函数和所述第二学生课堂矩阵的第二函数,并根据所述第二函数计算得到所述第二学生课堂矩阵分解的学生矩阵和课堂矩阵;其中:
通过如下方式将所述第二学生课堂矩阵分解为两个矩阵相乘:
,
通过如下方式构建包含所述第一函数和所述第二学生课堂矩阵的第二函数:
,
其中,表示所述第一学生课堂矩阵,/>表示学生,/>表示课堂,/>表示隐含属性,/>表示学生矩阵,/>表示课堂矩阵,/>表示第一函数的返回值,/>表示学生,/>表示课程,/>表示教师,/>表示第二函数的返回值,/>表示所述第二学生课堂矩阵,/>表示偏置,/>表示常数;
基于所述学生矩阵和所述课堂矩阵求解每个学生选课概率高的多个课堂;
根据所述多个课堂构建每个学生选课概率高的可选课堂集合。
2.根据权利要求1所述的提升学生选课概率的方法,其特征在于,所述根据所述第一函数在预设时间内更新所述第一学生课堂矩阵,包括:
若当前学生选中课程时,则将所述第一学生课堂矩阵中对应的元素值更新为所述第一函数的返回值的两倍;
若当前学生没有选中课程,有其他学生选中所述课程时,则将所述第一学生课堂矩阵中对应的元素值更新为所述第一函数的返回值;
若没有任何学生选中课程时,则将所述第一学生课堂矩阵中对应的元素值更新为预设值。
3.根据权利要求1所述的提升学生选课概率的方法,其特征在于,所述根据所述第二函数计算得到所述第二学生课堂矩阵分解的学生矩阵和课堂矩阵,包括:
采用梯度下降法计算所述第二函数,使所述第二函数的返回值最小,以得到所述第二学生课堂矩阵分解的学生矩阵和课堂矩阵。
4.根据权利要求1所述的提升学生选课概率的方法,其特征在于,所述基于所述学生矩阵和所述课堂矩阵求解每个学生选课概率高的多个课堂,包括:
从所述学生矩阵中取出一个元素值乘以所述课堂矩阵中每一行元素值,得到多个计算结果;
将多个计算结果值按照选课概率高低进行排序,得到排序后的多个计算结果值;
从所述排序后的多个计算结果值中选取预设数量的选课概率高的计算结果值,得到每个学生选课概率高的多个课堂。
5.根据权利要求1所述的提升学生选课概率的方法,其特征在于,所述根据所述多个课堂构建每个学生选课概率高的可选课堂集合,包括:
从每个学生所有可选课堂集合中删除与所述多个课堂对应的课堂,得到剩余可选课堂集合;
将所述多个课堂排在所述剩余可选课堂集合中的最前面,以得到每个学生选课概率高的可选课堂集合。
6.一种提升学生选课概率的系统,其特征在于,所述提升学生选课概率的系统包括:
学生课堂矩阵构建单元,用于获取学生集合和课程集合,并根据所述学生集合和所述课程集合构建第一学生课堂矩阵;其中,一个课程对应有多个课堂;
第一函数构建单元,用于基于学生、课程和教师的相关属性,构建第一函数;其中:
通过如下方式构建所述第一函数:
,
其中,表示第一函数的返回值,/>表示关联学生的属性函数,/>表示关联课程的属性函数,/>表示关联教师的属性函数,/>表示第一学生课堂矩阵中每个学生所在专业的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在班级的课程选中数量,/>表示第一学生课堂矩阵中每个学生所在专业的所有学生数,/>表示第一学生课堂矩阵中每个学生所在班级的所有学生数,/>,/>表示第一学生课堂矩阵中每个课程属性选中的课程数量,/>表示第一学生课堂矩阵中每个课程大类选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性的所有课程数量,/>表示第一学生课堂矩阵中每个课程大类的所有课程数量,/>,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称被选中的课程数量,/>表示教师职称对应的教师年龄段被选中的课程数量,/>表示第一学生课堂矩阵中每个课程属性对应的教师职称带的所有课程数量,/>表示教师职称对应的教师年龄段带的所有课程数量,/>,/>;
学生课堂矩阵更新单元,用于根据所述第一函数在预设时间内更新所述第一学生课堂矩阵,得到第二学生课堂矩阵;
第二函数构建单元,用于将所述第二学生课堂矩阵分解为两个矩阵相乘,构建包含所述第一函数和所述第二学生课堂矩阵的第二函数,并根据所述第二函数计算得到所述第二学生课堂矩阵分解的学生矩阵和课堂矩阵;其中:
通过如下方式将所述第二学生课堂矩阵分解为两个矩阵相乘:
,
通过如下方式构建包含所述第一函数和所述第二学生课堂矩阵的第二函数:
,
其中,表示所述第一学生课堂矩阵,/>表示学生,/>表示课堂,/>表示隐含属性,/>表示学生矩阵,/>表示课堂矩阵,/>表示第一函数的返回值,/>表示学生,/>表示课程,/>表示教师,/>表示第二函数的返回值,/>表示所述第二学生课堂矩阵,/>表示偏置,/>表示常数;
选课概率求解单元,用于基于所述学生矩阵和所述课堂矩阵求解每个学生选课概率高的多个课堂;
课堂集合构建单元,用于根据所述多个课堂构建每个学生选课概率高的可选课堂集合。
7.一种提升学生选课概率的设备,其特征在于,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如权利要求1至5任一项所述的提升学生选课概率的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至5任一项所述的提升学生选课概率的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311108666.4A CN116843526B (zh) | 2023-08-31 | 2023-08-31 | 一种提升学生选课概率的方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311108666.4A CN116843526B (zh) | 2023-08-31 | 2023-08-31 | 一种提升学生选课概率的方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116843526A CN116843526A (zh) | 2023-10-03 |
CN116843526B true CN116843526B (zh) | 2023-12-15 |
Family
ID=88174641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311108666.4A Active CN116843526B (zh) | 2023-08-31 | 2023-08-31 | 一种提升学生选课概率的方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116843526B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006139130A (ja) * | 2004-11-12 | 2006-06-01 | Nomura Research Institute Ltd | カリキュラム解析システム、及び方法 |
KR101745874B1 (ko) * | 2016-02-29 | 2017-06-12 | 고려대학교 산학협력단 | 학습코스 자동 생성 방법 및 시스템 |
CN108345697A (zh) * | 2018-03-22 | 2018-07-31 | 山东财经大学 | 面向大学生群体的智慧课程推荐方法、系统及存储介质 |
CN109933730A (zh) * | 2019-03-29 | 2019-06-25 | 沈阳师范大学 | 一种中小学教育的名师优课推荐资源应用方法及系统 |
CN112347352A (zh) * | 2020-11-04 | 2021-02-09 | 湖北工程学院 | 一种课程推荐方法、装置及存储介质 |
CN112614029A (zh) * | 2020-12-24 | 2021-04-06 | 江苏知途教育科技有限公司 | 一种选修课程推荐的方法和装置 |
CN114418802A (zh) * | 2022-01-18 | 2022-04-29 | 北京碧云数创科技有限公司 | 一种选课信息处理方法 |
CN116384840A (zh) * | 2023-05-29 | 2023-07-04 | 湖南工商大学 | 一种课程推荐方法及相关设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150206441A1 (en) * | 2014-01-18 | 2015-07-23 | Invent.ly LLC | Personalized online learning management system and method |
US10373511B2 (en) * | 2016-09-06 | 2019-08-06 | International Business Machines Corporation | Automatic learning curriculum generation |
-
2023
- 2023-08-31 CN CN202311108666.4A patent/CN116843526B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006139130A (ja) * | 2004-11-12 | 2006-06-01 | Nomura Research Institute Ltd | カリキュラム解析システム、及び方法 |
KR101745874B1 (ko) * | 2016-02-29 | 2017-06-12 | 고려대학교 산학협력단 | 학습코스 자동 생성 방법 및 시스템 |
CN108345697A (zh) * | 2018-03-22 | 2018-07-31 | 山东财经大学 | 面向大学生群体的智慧课程推荐方法、系统及存储介质 |
CN109933730A (zh) * | 2019-03-29 | 2019-06-25 | 沈阳师范大学 | 一种中小学教育的名师优课推荐资源应用方法及系统 |
CN112347352A (zh) * | 2020-11-04 | 2021-02-09 | 湖北工程学院 | 一种课程推荐方法、装置及存储介质 |
CN112614029A (zh) * | 2020-12-24 | 2021-04-06 | 江苏知途教育科技有限公司 | 一种选修课程推荐的方法和装置 |
CN114418802A (zh) * | 2022-01-18 | 2022-04-29 | 北京碧云数创科技有限公司 | 一种选课信息处理方法 |
CN116384840A (zh) * | 2023-05-29 | 2023-07-04 | 湖南工商大学 | 一种课程推荐方法及相关设备 |
Non-Patent Citations (2)
Title |
---|
基于近邻模型与概率矩阵分解的高校选课推荐算法;陈万志等;辽宁工程技术大学学报(自然科学版);第36卷(第9期);全文 * |
基于选课满意度的排课模型及算法;卢雅晴等;系统工程(09);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116843526A (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9666087B2 (en) | Computer-readable recording medium storing education support program, education support method, and education support apparatus | |
CN109637238B (zh) | 一种练习题的生成方法、装置、设备和存储介质 | |
CN109934744A (zh) | 基于知识单元提供教育服务的方法、系统和计算机可读记录介质 | |
CN116843525B (zh) | 一种智能自动排课方法、系统、设备及存储介质 | |
CN116957874B (zh) | 一种智能高校自动排课方法、系统、设备及存储介质 | |
CN106227773B (zh) | 数据处理方法和系统 | |
CN112417002A (zh) | 应用于教育信息化的信息素养数据挖掘方法及系统 | |
March et al. | The evolution of GIS services within North American academic libraries: Documenting change through the decades (1995–2016) | |
CN101741954B (zh) | 一种移动终端以及动态调整菜单栏软键显示的方法 | |
CN116843526B (zh) | 一种提升学生选课概率的方法、系统、设备及存储介质 | |
CN107220276B (zh) | 直播和回放过程中考试排名方法 | |
CN109471935B (zh) | 一种问卷调查对象确定方法、装置、电子设备和存储介质 | |
CN110941610B (zh) | 一种Excel数据文件的处理方法及装置 | |
CN111949882B (zh) | 一种领域知识点结构缺陷智能诊断方法 | |
CN115238806A (zh) | 样本类别不平衡的联邦学习方法以及相关设备 | |
CN108009150A (zh) | 一种基于循环神经网络的输入方法及装置 | |
CN117196259B (zh) | 一种智能提升高校教学任务安排的方法、系统及设备 | |
CN103632238A (zh) | 基于一卡通消费行为分析识别经济困难生的方法和装置 | |
CN117196561A (zh) | 一种课堂选课冲突检查方法、系统、设备及存储介质 | |
CN117172427B (zh) | 一种辅助高校学生选择课堂的方法、系统、设备及介质 | |
CN117236497A (zh) | 一种基于分词方法的自动排课方法、系统、设备及介质 | |
Tan et al. | Development of a mobile spreadsheet-based PID control simulation system | |
CN111310036A (zh) | 自适应学习任务推送方法、装置、电子设备和存储介质 | |
CN117216195B (zh) | 一种高校课程考试智能组卷方法、系统、设备及存储介质 | |
CN116932488B (zh) | 基于知识图谱的课件生成方法、装置、系统和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |