CN117172427A - 一种辅助高校学生选择课堂的方法、系统、设备及介质 - Google Patents
一种辅助高校学生选择课堂的方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117172427A CN117172427A CN202311435781.2A CN202311435781A CN117172427A CN 117172427 A CN117172427 A CN 117172427A CN 202311435781 A CN202311435781 A CN 202311435781A CN 117172427 A CN117172427 A CN 117172427A
- Authority
- CN
- China
- Prior art keywords
- course
- students
- class
- teacher
- pushing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000013598 vector Substances 0.000 claims abstract description 92
- 238000003066 decision tree Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种辅助高校学生选择课堂的方法、系统、设备及介质,本方法通过构建专业培养方案集合、课程关系集合、教师与课程集合、学生选择课程信息集合和系数集合;构建专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合对应的稠密向量;对系数集合进行向量化,得到向量化系数值;根据向量化系数值和稠密向量,计算得到课程向量集合;对课程向量集合进行分类,得到多个分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率;根据推送的准确度和可选概率推送课堂供学生选择。本发明能够为学生选课提供指导性,从而使学生选课简单,提高选课体验。
Description
技术领域
本发明涉及高校学生选课技术领域,尤其是涉及一种辅助高校学生选择课堂的方法、系统、设备及介质。
背景技术
随着高校不断扩大规模,招生人数逐年上涨,为了提升教学质量,对学生个性化培养,完全学分制选课在高校推广开来,完全学分制选课的开发使学生可以自由的选择课堂。但是由于每一套培养方案目标不同,课程之间的关联性,教师对同一课程讲解不同,使得学生在整个课程选择过程中容易出现盲目。现有的选课方法完全由学生喜好进行选择,缺乏指导性,使学生选课困难,选课体验差。
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,本发明提出一种辅助高校学生选择课堂的方法、系统、设备及介质,能够为学生选课提供指导性,从而使学生选课简单,提高选课体验。
第一方面,本发明实施例提供了一种辅助高校学生选择课堂的方法,所述辅助高校学生选择课堂的方法包括:
构建专业培养方案集合、课程关系集合、教师与课程集合、学生选择课程信息集合和系数集合;其中,所述系数集合包括所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合各自占有的比例;
构建所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合对应的稠密向量;
对所述系数集合进行向量化,得到向量化系数值;
根据所述向量化系数值和所述稠密向量,计算得到课程向量集合;
对所述课程向量集合进行分类,得到多个分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率;
根据所述推送的准确度和所述可选概率推送课堂供学生选择。
与现有技术相比,本发明第一方面具有以下有益效果:
本方法通过构建专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合对应的稠密向量,构建各种集合的稠密矩阵能够更准确地表示向量之间的相似度,并且考虑了专业培养方案统一性、考虑了课程之间的关联性和考虑了由于教师讲解不同选择课程的学生人数不同,然后对系数集合进行向量化,根据向量化系数值和稠密向量,计算得到课程向量集合,能够通过系数混合四类条件,为学生在课堂选择中提供支持;对课程向量集合进行分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率,根据推送的准确度和可选概率推送课堂供学生选择,能够为学生选课提供准确的指导,从而使学生选课简单,提高选课体验。
根据本发明的一些实施例,通过如下方式构建所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合对应的稠密向量:
其中,表示每个集合中的字段数,/>和/>表示待求参数,/>表示集合中的一条记录,/>表示记录中第/>字段的值,/>表示记录中第/>字段的值,/>和/>表示分解矩阵,/>表示稠密向量的维度,/>表示第/>维度。
根据本发明的一些实施例,所述根据所述向量化系数值和所述稠密向量,计算得到课程向量集合,包括:
将所述向量化系数值与其对应的所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合对应的稠密向量相乘,计算得到多个相乘结果;
将所述多个相乘结果按照课程编码进行拼接,得到课程向量集合。
根据本发明的一些实施例,通过如下方式对所述课程向量集合进行分类:
其中,表示分类总数量,/>表示第/>个分类,/>表示课程向量,/>表示第/>分类的中心点,/>表示第/>分类的集合数,/>表示最小化。
根据本发明的一些实施例,所述计算每个分类推送的准确度和计算学生当前查看课堂的可选概率,包括:
采用决策树加权方式计算每个分类推送的准确度和计算学生当前查看课堂的可选概率。
根据本发明的一些实施例,所述决策树加权方式表示为:
其中,表示基本决策树,/>表示集合中的一条记录,/>表示调整系数,/>表示决策树循环次数,/>表示第/>次循环。
根据本发明的一些实施例,所述根据所述推送的准确度和所述可选概率推送课堂供学生选择,包括:
根据所述推送的准确度得到学生的专业培养方案、关联课程及课程教师推送概率高的多个课堂;
基于当前查看课堂的所述可选概率和推送概率高的多个课堂,得到推送课堂供学生选择。
第二方面,本发明实施例还提供了一种辅助高校学生选择课堂的系统,所述辅助高校学生选择课堂的系统包括:
集合构建单元,用于构建专业培养方案集合、课程关系集合、教师与课程集合、学生选择课程信息集合和系数集合;其中,所述系数集合包括所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合各自占有的比例;
向量构建单元,用于构建所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合对应的稠密向量;
数据向量化单元,用于对所述系数集合进行向量化,得到向量化系数值;
第一计算单元,用于根据所述向量化系数值和所述稠密向量,计算得到课程向量集合;
第二计算单元,用于对所述课程向量集合进行分类,得到多个分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率;
课堂推送单元,用于根据所述推送的准确度和所述可选概率推送课堂供学生选择。
第三方面,本发明实施例还提供了一种辅助高校学生选择课堂的设备,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辅助高校学生选择课堂的方法。
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辅助高校学生选择课堂的方法。
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辅助高校学生选择课堂的方法的流程图;
图2是本发明另一实施例的辅助高校学生选择课堂的方法的流程图;
图3是本发明一实施例的一种辅助高校学生选择课堂的系统的结构图;
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。
首先,对本申请中涉及的若干名词进行解析:
稠密向量:是指向量中大部分元素都非0的向量。
决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象值之间的一种映射关系。
随着高校不断扩大规模,招生人数逐年上涨,为了提升教学质量,对学生个性化培养,完全学分制选课在高校推广开来,完全学分制选课的开发使学生可以自由的选择课堂。但是由于每一套培养方案目标不同,课程之间的关联性,教师对同一课程讲解不同,使得学生在整个课程选择过程中容易出现盲目。现有的选课方法完全由学生喜好进行选择,缺乏指导性,使学生选课困难,选课体验差。
为解决上述问题,本发明通过构建专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合对应的稠密向量,构建各种集合的稠密矩阵能够更准确地表示向量之间的相似度,并且考虑了专业培养方案统一性、考虑了课程之间的关联性和考虑了由于教师讲解不同选择课程的学生人数不同,然后对系数集合进行向量化,根据向量化系数值和稠密向量,计算得到课程向量集合,能够通过系数混合四类条件,为学生在课堂选择中提供支持;对课程向量集合进行分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率,根据推送的准确度和可选概率推送课堂供学生选择,能够为学生选课提供准确的指导,从而使学生选课简单,提高选课体验。
参照图1,本发明实施例提供了一种辅助高校学生选择课堂的方法,本辅助高校学生选择课堂的方法包括但不限于步骤S100至步骤S600,其中:
步骤S100、构建专业培养方案集合、课程关系集合、教师与课程集合、学生选择课程信息集合和系数集合;其中,系数集合包括专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合各自占有的比例;
步骤S200、构建专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合对应的稠密向量;
步骤S300、对系数集合进行向量化,得到向量化系数值;
步骤S400、根据向量化系数值和稠密向量,计算得到课程向量集合;
步骤S500、对课程向量集合进行分类,得到多个分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率;
步骤S600、根据推送的准确度和可选概率推送课堂供学生选择。
在本实施例中,为了更好的为学生在课堂选择中提供支持,本实施例通过构建专业培养方案集合、课程关系集合、教师与课程集合、学生选择课程信息集合和系数集合;其中,系数集合包括专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合各自占有的比例,构建专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合对应的稠密向量,对系数集合进行向量化,得到向量化系数值,根据向量化系数值和稠密向量,计算得到课程向量集合;为了给学生选课提供准确的指导,从而使学生选课简单,提高选课体验,本实施例通过对课程向量集合进行分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率,根据推送的准确度和可选概率推送课堂供学生选择。
在一些实施例中,通过如下方式构建专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合对应的稠密向量:
其中,表示每个集合中的字段数,/>和/>表示待求参数,/>表示集合中的一条记录,/>表示记录中第/>字段的值,/>表示记录中第/>字段的值,/>和/>表示分解矩阵,/>表示稠密向量的维度,/>表示第/>维度。
在本实施例中,通过对专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合构建稠密向量,能够更准确地表示向量之间的相似度,从而能够更好的为学生选课提供支持。
在一些实施例中,根据向量化系数值和稠密向量,计算得到课程向量集合,包括:
将向量化系数值与其对应的专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合对应的稠密向量相乘,计算得到多个相乘结果;
将多个相乘结果按照课程编码进行拼接,得到课程向量集合。
在本实施例中,通过综合考虑专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合,能够为学生选课提供综合性指导。
在一些实施例中,通过如下方式对课程向量集合进行分类:
其中,表示分类总数量,/>表示第/>个分类,/>表示课程向量,/>表示第/>分类的中心点,/>表示第/>分类的集合数,/>表示最小化。
在一些实施例中,计算每个分类推送的准确度和计算学生当前查看课堂的可选概率,包括:
采用决策树加权方式计算每个分类推送的准确度和计算学生当前查看课堂的可选概率。
在本实施例中,通过决策树加权方式计算每个分类推送的准确度和计算学生当前查看课堂的可选概率,能够提高课堂推送的准确度。
在一些实施例中,决策树加权方式表示为:
其中,表示基本决策树,/>表示集合中的一条记录,/>表示调整系数,/>表示决策树循环次数,/>表示第/>次循环。
在本实施例中,决策树循环多次来训练准确度,能够提高课堂推送的准确度。
在一些实施例中,根据推送的准确度和可选概率推送课堂供学生选择,包括:
根据推送的准确度得到学生的专业培养方案、关联课程及课程教师推送概率高的多个课堂;
基于当前查看课堂的可选概率和推送概率高的多个课堂,得到推送课堂供学生选择。
在本实施例中,根据推送的准确度和可选概率推送课堂供学生选择,能够为学生选课提供准确的指导,从而使学生选课简单,提高选课体验。
为方便本领域人员理解,以下提供一组最佳实施例:
由于高校对学生个性化培养,提供全方位的选择课堂能力。但是执行过程中,由于学生对培养方案了解的不够透彻,对课程之间关联性不清楚,教师对相同课程讲解不同。传统提供学生选择课堂的方法没有考虑这些问题,最终完全由学生由喜好选择。为解决这个问题,本实施例通过综合考虑专业培养方案统一性、课程之间的关联性和由于教师讲解不同选择课程的学生人数不同来为学生选课提供准确的指导。参照图2,本实例包括如下步骤:
1、参数设定。
定义系数集合S,系数集合包含专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合四项各占的比例,该四项各占的比例默认值设置为[0.4,0.2,0.1,0.3];定义低维向量长度D,该默认值取15;定义C为分类数,其默认值取4;定义循环次数R,其默认值设置为50;定义提示条数N,其默认值取6。
2、自定义课堂计算模型。
定义专业培养方案集合M1,专业培养方案集合包括字段[专业,专业方向,专业大类,课程编码,课程属性,课程类别,学分,学时];定义课程关系集合M2,课程关系集合包括字段[课程编码A,课程A属性,课程A类别,A学分,A学时,课程编码B,课程B属性,课程B类别,B学分,B学时,先后关系],其中先后关系指课程A和课程B之间的先后关系,若课程A没修课程B就修不了;定义教师与课程集合M3,教师与课程集合包括字段[教师编码,职称,课程编码,课程编码,课程属性,课程类别,学分,学时,课堂人数];定义学生选择课程信息集合M4,学生选择课程信息集合包括字段[学号,专业,专业方向,课程编码,课程编码,课程属性,课程类别,学分,学时]。根据定义好的M1,M2,M3和M4四个集合,构建专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合对应的稠密向量,对系数集合进行向量化,得到向量化系数值,根据向量化系数值和稠密向量,计算得到课程向量集合,对课程向量集合进行分类,得到多个分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率。具体包括如下步骤:
第一步,将M1,M2,M3,M4四个集合数据构建D维的稠密向量,稠密向量采用如下公式进行构建:
其中,表示每个集合中的字段数,/>和/>表示待求参数,通过梯度下降方法对上述公式进行训练,求得/>和/>参数,/>表示集合中的一条记录,/>表示记录中第/>字段的值,/>表示记录中第/>字段的值,/>和/>表示分解矩阵,/>表示稠密向量的维度,/>表示第维度。/>用于返回M1,M2,M3,M4四个集合的稠密向量,/>的返回值(即稠密向量)用于下面计算。
第二步,将系数集合S向量化表示为,对上式中求得的向量返回值乘以/>,然后通过课程编码进行拼接,得到课程向量集合。求得课程向量集合L1的公式如下:
其中,表示M1,M2,M3,M4中一个稠密向量(即F1(x)的向量返回值),/>表示四集合中同课程编码的向量个数,/>表示一个课程,/>表示每个集合所占的比例向量,/>表示第/>个稠密向量。/>用于返回课程向量集合L1的值。
第三步,对求得的课程向量集合L1根据C参数进行分类,分类计算公式如下:
其中,表示分类总数量,/>表示第/>个分类,/>表示课程向量,/>表示第/>分类的中心点,/>表示第/>分类的集合数,/>表示最小化。
第四步,为了提升课堂推送的准确度,采用多个决策树加权计算方式来训练准确度,公式如下:
其中,表示基本决策树,/>表示集合中的一条记录,/>表示调整系数,默认值设置为0.0001,/>表示决策树循环次数,/>表示第/>次循环。通过平方差最小化训练/>,返回0到1之间的概率。
3、自定义推送模型。
当学生进行课堂选择时,本实施例根据学生的专业培养方案和方案中关联课程关系以及课程教师,采用上述公式计算学生应选课堂,同时根据课程、教师对当前课堂计算可选概率,通过计算结果指导学生是否建议选择该课堂,自定义推送模型的公式如下:
其中,表示学生专业培养方案包含的所有课程、关联课程以及课程教师,/>函数调用/>函数计算得到N-1个概率最高的若干个课堂,/>函数为对学生当前查看的课堂进行计算,得到可选概率,将/>与/>的计算结果进行分隔显示。
需要说明的是,本实施例中的默认值设置可以根据实际情况进行更改,本实施例不作具体限制。
在本实施例中,一是考虑了培养方案统一性,二是考虑了课程之间的关联性,三是考虑了由于教师讲解不同选择课程的学生人数不同,通过综合考虑专业培养方案统一性、课程之间的关联性和由于教师讲解不同选择课程的学生人数不同,然后通过系数混合四类条件,为学生在选择课堂提供支持,能够为学生选课提供更准确的指导;并且根据推送的准确度和可选概率推送课堂供学生选择,能够为学生选课提供准确的指导,从而使学生选课简单,提高选课体验。通过本实施例的方法的实施,经过多所高校学生选课使用,与传统方法相比,本实施例的方法普遍反映效果好。
参照图3,本发明实施例还提供了一种辅助高校学生选择课堂的系统,本辅助高校学生选择课堂的系统包括集合构建单元100、向量构建单元200、数据向量化单元300、第一计算单元400、第二计算单元500和课堂推送单元600,其中:
集合构建单元100,用于构建专业培养方案集合、课程关系集合、教师与课程集合、学生选择课程信息集合和系数集合;其中,系数集合包括专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合各自占有的比例;
向量构建单元200,用于构建专业培养方案集合、课程关系集合、教师与课程集合和学生选择课程信息集合对应的稠密向量;
数据向量化单元300,用于对系数集合进行向量化,得到向量化系数值;
第一计算单元400,用于根据向量化系数值和稠密向量,计算得到课程向量集合;
第二计算单元500,用于对课程向量集合进行分类,得到多个分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率;
课堂推送单元600,用于根据推送的准确度和可选概率推送课堂供学生选择。
需要说明的是,由于本实施例中的一种辅助高校学生选择课堂的系统与上述的一种辅助高校学生选择课堂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。
参照图4,本申请实施例还提供了一种辅助高校学生选择课堂的设备,本辅助高校学生选择课堂的设备包括:
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辅助高校学生选择课堂的方法。
该电子设备可以为包括手机、平板电脑、个人数字助理(PersonalDigitalAssistant,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(CentralProcessingUnit,CPU)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,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(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,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辅助高校学生选择课堂的方法。
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辅助高校学生选择课堂的方法。
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-OnlyMemory,ROM)、随机存取存储器(RandomAccessMemory,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 (10)
1.一种辅助高校学生选择课堂的方法,其特征在于,所述辅助高校学生选择课堂的方法包括:
构建专业培养方案集合、课程关系集合、教师与课程集合、学生选择课程信息集合和系数集合;其中,所述系数集合包括所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合各自占有的比例;
构建所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合对应的稠密向量;
对所述系数集合进行向量化,得到向量化系数值;
根据所述向量化系数值和所述稠密向量,计算得到课程向量集合;
对所述课程向量集合进行分类,得到多个分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率;
根据所述推送的准确度和所述可选概率推送课堂供学生选择。
2.根据权利要求1所述的辅助高校学生选择课堂的方法,其特征在于,通过如下方式构建所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合对应的稠密向量:
,
其中,表示每个集合中的字段数,/>和/>表示待求参数,/>表示集合中的一条记录,表示记录中第/>字段的值,/>表示记录中第/>字段的值,/>和/>表示分解矩阵,/>表示稠密向量的维度,/>表示第/>维度。
3.根据权利要求1所述的辅助高校学生选择课堂的方法,其特征在于,所述根据所述向量化系数值和所述稠密向量,计算得到课程向量集合,包括:
将所述向量化系数值与其对应的所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合对应的稠密向量相乘,计算得到多个相乘结果;
将所述多个相乘结果按照课程编码进行拼接,得到课程向量集合。
4.根据权利要求1所述的辅助高校学生选择课堂的方法,其特征在于,通过如下方式对所述课程向量集合进行分类:
,
其中,表示分类总数量,/>表示第/>个分类,/>表示课程向量,/>表示第/>分类的中心点,/>表示第/>分类的集合数,/>表示最小化。
5.根据权利要求1所述的辅助高校学生选择课堂的方法,其特征在于,所述计算每个分类推送的准确度和计算学生当前查看课堂的可选概率,包括:
采用决策树加权方式计算每个分类推送的准确度和计算学生当前查看课堂的可选概率。
6.根据权利要求5所述的辅助高校学生选择课堂的方法,其特征在于,所述决策树加权方式表示为:
,
其中,表示基本决策树,/>表示集合中的一条记录,/>表示调整系数,/>表示决策树循环次数,/>表示第/>次循环。
7.根据权利要求1所述的辅助高校学生选择课堂的方法,其特征在于,所述根据所述推送的准确度和所述可选概率推送课堂供学生选择,包括:
根据所述推送的准确度得到学生的专业培养方案、关联课程及课程教师推送概率高的多个课堂;
基于当前查看课堂的所述可选概率和推送概率高的多个课堂,得到推送课堂供学生选择。
8.一种辅助高校学生选择课堂的系统,其特征在于,所述辅助高校学生选择课堂的系统包括:
集合构建单元,用于构建专业培养方案集合、课程关系集合、教师与课程集合、学生选择课程信息集合和系数集合;其中,所述系数集合包括所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合各自占有的比例;
向量构建单元,用于构建所述专业培养方案集合、所述课程关系集合、所述教师与课程集合和所述学生选择课程信息集合对应的稠密向量;
数据向量化单元,用于对所述系数集合进行向量化,得到向量化系数值;
第一计算单元,用于根据所述向量化系数值和所述稠密向量,计算得到课程向量集合;
第二计算单元,用于对所述课程向量集合进行分类,得到多个分类,并计算每个分类推送的准确度和计算学生当前查看课堂的可选概率;
课堂推送单元,用于根据所述推送的准确度和所述可选概率推送课堂供学生选择。
9.一种辅助高校学生选择课堂的设备,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7任一项所述的辅助高校学生选择课堂的方法。
10.一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7任一项所述的辅助高校学生选择课堂的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311435781.2A CN117172427B (zh) | 2023-11-01 | 2023-11-01 | 一种辅助高校学生选择课堂的方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311435781.2A CN117172427B (zh) | 2023-11-01 | 2023-11-01 | 一种辅助高校学生选择课堂的方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117172427A true CN117172427A (zh) | 2023-12-05 |
CN117172427B CN117172427B (zh) | 2024-03-15 |
Family
ID=88947100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311435781.2A Active CN117172427B (zh) | 2023-11-01 | 2023-11-01 | 一种辅助高校学生选择课堂的方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117172427B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130011821A1 (en) * | 2011-04-07 | 2013-01-10 | Tristan Denley | Course recommendation system and method |
CN107481170A (zh) * | 2017-08-18 | 2017-12-15 | 深圳市华第时代科技有限公司 | 一种课程推荐方法、装置、选课服务器及存储介质 |
US20190138614A1 (en) * | 2017-11-07 | 2019-05-09 | Beijing Dami Technology Co., Ltd. | Method for recommending a teacher in a network teaching system |
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 |
CN112465678A (zh) * | 2020-12-07 | 2021-03-09 | 上海光数信息科技有限公司 | 一种学生选课推荐的方法及系统 |
CN116127196A (zh) * | 2023-02-16 | 2023-05-16 | 上海旭灿信息技术有限公司 | 一种基于人工智能的高校选课推荐系统 |
-
2023
- 2023-11-01 CN CN202311435781.2A patent/CN117172427B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130011821A1 (en) * | 2011-04-07 | 2013-01-10 | Tristan Denley | Course recommendation system and method |
CN107481170A (zh) * | 2017-08-18 | 2017-12-15 | 深圳市华第时代科技有限公司 | 一种课程推荐方法、装置、选课服务器及存储介质 |
US20190138614A1 (en) * | 2017-11-07 | 2019-05-09 | Beijing Dami Technology Co., Ltd. | Method for recommending a teacher in a network teaching system |
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 |
CN112465678A (zh) * | 2020-12-07 | 2021-03-09 | 上海光数信息科技有限公司 | 一种学生选课推荐的方法及系统 |
CN116127196A (zh) * | 2023-02-16 | 2023-05-16 | 上海旭灿信息技术有限公司 | 一种基于人工智能的高校选课推荐系统 |
Non-Patent Citations (2)
Title |
---|
ZAMEER GULZAR等: "PCRS: Personalized Course Recommender System Based on Hybrid Approach", 《PROCEDIA COMPUTER SCIENCE》, vol. 125, pages 518 - 524 * |
蒋雨恬等: "高校智能选课辅助系统开发研究", 《中国教育技术装备》, no. 486, pages 29 - 35 * |
Also Published As
Publication number | Publication date |
---|---|
CN117172427B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tunas Bangsa Pematangsiantar | Comparison of weighted sum model and multi attribute decision making weighted product methods in selecting the best elementary school in Indonesia | |
Van Buuren | Flexible imputation of missing data | |
Lehrer et al. | Supporting the development of conceptions of statistics by engaging students in measuring and modeling variability | |
CN116957874B (zh) | 一种智能高校自动排课方法、系统、设备及存储介质 | |
Čampelj et al. | A multi-attribute modelling approach to evaluate the efficient implementation of ICT in schools | |
CN114429212A (zh) | 智能学习知识能力跟踪方法、电子设备及存储介质 | |
CN111242267A (zh) | 在线考试的组卷方法和组卷装置 | |
CN107430824B (zh) | 用于评价响应的半自动系统和方法 | |
CN117172427B (zh) | 一种辅助高校学生选择课堂的方法、系统、设备及介质 | |
CN111898803A (zh) | 一种习题预测方法、系统、设备及存储介质 | |
CN112926901B (zh) | 一种面向学习分析与评测的结构化能力模型构建方法 | |
US20220300836A1 (en) | Machine Learning Techniques for Generating Visualization Recommendations | |
CN114691856A (zh) | 题目推荐方法、装置、设备及介质 | |
CN113010687B (zh) | 一种习题标签预测方法、装置、存储介质以及计算机设备 | |
Mason et al. | The shape of relations to come: Multidimensional analyses of complex human behavior | |
CN117217209B (zh) | 一种智能高校考试组卷方法、系统、设备及存储介质 | |
Leman et al. | Improving Mr. Miyagi's Coaching Style: Teaching Data Analytics with Interactive Data Visualizations | |
CN117196909B (zh) | 一种基于自定义分类的高校排课方法、系统、设备及介质 | |
Martínez et al. | Inductive teaching and problem-based learning as significant training tools in electrical engineering | |
CN117236497A (zh) | 一种基于分词方法的自动排课方法、系统、设备及介质 | |
CN117726082B (zh) | 一种教学资源推荐方法、装置、电子设备及可读存储介质 | |
JP2019090876A (ja) | 評価装置、評価方法、およびプログラム | |
CN116843526B (zh) | 一种提升学生选课概率的方法、系统、设备及存储介质 | |
CN117196259B (zh) | 一种智能提升高校教学任务安排的方法、系统及设备 | |
Xu et al. | Using Bayesian Networks to Characterize Student Performance across Multiple Assessments of Individual Standards |
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 |