一种基于人工智能的高校选课推荐系统技术方案

本发明专利技术公开了一种基于人工智能的高校选课推荐系统，涉及选课推荐技术领域，本发明专利技术是通过采集学生选课信息并结合匹配特征信息进行匹配来生成历史标签信息，通过大量的历史标签信息进行分析判定生成偏好动态值，通过偏好动态值分析构建第一选课推荐集合、第二选课推荐集合和第三选课推荐集合，通过提取第一选课推荐集合中偏好动态值排序前三的课程进行页面置顶滚动，当学生注册登录时自动匹配本专业学生，对其进行专业偏好推荐，从而增强同专业学生偏好的关联性，还通过第二选课推荐集合和第三选课推荐集合匹配体系和本年级的推荐情况来关联同专业人士的非本专业偏好。况来关联同专业人士的非本专业偏好。况来关联同专业人士的非本专业偏好。

【技术实现步骤摘要】
一种基于人工智能的高校选课推荐系统


[0001]本专利技术涉及高校选课推荐
，尤其涉及一种基于人工智能的高校选课推荐系统。

技术介绍

[0002]随着国内高校校园网的建设，基于互联网的应用系统的开发正在蓬勃发展并发挥着巨大的作用，例如我国许多高校的网上招生系统、学校的各种管理信息系统、学校选课系统，甚至是一些医学院校开发出的网上诊所、远程诊断系统等，都是基于校园网的应用系统，而在高等学校现有技术中的选课系统里，课程分为通识教育课、公共基础课、专业基础课和专业课等，其推荐通常是采用学生考试结束后以打分的形式对课程进行推荐或者评分，无法通过学生自主选课信息对同专业、同年级的学生进行针对性的课程智能匹配推荐，另一方面对非本专业的课程进行同步推荐，造成推荐智能化程度较低的问题；
[0003]针对上述的技术缺陷，现提出一种解决方案。

技术实现思路

[0004]本专利技术的目的在于：一方面对同专业、同年级的学生进行课程智能匹配推荐，另一方面对非本专业的课程进行同步推荐。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于人工智能的高校选课推荐系统，包括可视化窗口和选课推荐平台，可视化窗口和选课推荐平台基于互联网进行信号连接，且可视化窗口包括注册登录单元和采集发送单元；
[0007]注册登录单元用于学生通过可视化窗口提交学生信息进行注册，且将注册成功的时刻标记为注册时间，并将注册成功的学生信息发送到选课推荐平台进行储存；其中学生信息包括学生姓名、年龄、身份证号、手机号、年级、所属系和专业；且将年级和专业标记为匹配特征信息；采集发送单元用于采集学生选课信息并将其发送给选课推荐平台进行储存；
[0008]选课推荐平台用于接收学生选课信息并将其信息与学生信息进行匹配生成历史标签信息，且将匹配特征信息相同的历史标签信息储存到同区域并对其进行打包生成对应的待分析数据包，对待分析数据包内数据进行分析判定生成偏好动态值，通过偏好动态值分析构建选课推荐集合，还将选课推荐集合发送到可视化窗口将对应课程进行实时刷新显示。
[0009]进一步，偏好动态值分析判定生成的具体步骤如下：
[0010]获取待分析数据包的储存数据量和或储存时间，当待分析数据包的储存数据量和储存时间任一数据大于等于与之对应的预设限定值时，则将待分析数据包进行解压，再提取课程的选择数量并剔除选择数量小于预设数量的课程，且将剔除后课程的选择数量标记为剩余课程的选择数量Qi，则i的取值范围为1、2、3、
…
n，n为正整数，且Q1、Q2、
…
Qn分别对
应剩余课程选择数量；则通过公式计算出剩余课程的选择均量和剩余课程的选择标准差，再根据选择标准差和选择均量的比值得到偏好分散值；再将偏好分散值分别和与之对应的剩余课程的选择数量进行相乘得到各课程的中间值，再实时提取最近预设时间段内的若干实时中间值并对其进行平均计算得到偏好动态值。
[0011]进一步，选课推荐集合的分析构建过程包括：
[0012]提取同专业下课程的偏好动态值，再将偏好动态值进行从大到小排列，并通过偏好动态值将对应的课程进行排序生成第一选课推荐集合；
[0013]获取所属系下的多个优先选课推荐集合，提取排序分别对应的赋权参数一，并将赋权参数一分别和与之排序对应的偏好动态值相乘，再将多个相乘的结果进行平均生成多个第一偏好均值，且将第一偏好均值进行排序，还通过排序后的第一偏好均值并结合对应课程形成第二选课推荐集合；
[0014]获取全部的优先选课推荐集合，提取排序分别对应的赋权参数二，并将赋权参数二分别和与之排序对应的偏好动态值相乘，再将多个相乘的结果进行平均生成多个第二偏好均值，且将第二偏好均值进行排序，还通过排序后的第二偏好均值并结合对应课程形成第三选课推荐集合。
[0015]进一步，选课推荐平台信号连接有学习采集单元和整合反馈单元，且反馈监控单元信号连接有划分调整单元；
[0016]在学生通过可视化窗口进行课程选择学习的过程中，学习采集单元用于采集预设时间内学生学习课程过程中的视觉学习图像和整个课程学习过程中的学习信息，且将学生学习课程过程中的视觉学习图像和整个课程学习过程中的学习信息发送给反馈监控单元；
[0017]整合反馈单元用于接收预设时间内视觉学习图像进行分析处理生成视觉反馈因子，通过视觉反馈因子判定生成学习提醒信号，当生成学习提醒信号后编辑学习提醒文本，且将学习提醒文本发送到可视化窗口界面进行置顶滚动；
[0018]还获取整个课程学习周期过程中视觉反馈因子并对其进行平均化得到的反馈均值，再将学习信息内数据和反馈均值进行归一化结合生成课程的能力校正值，再将课程的能力校正值和与之对应的偏好动态值分别和权重参数二进行相乘，再将相乘的结果进行相加得到新的偏好动态值，并通过新的偏好动态值进行从大到小的排序并刷新选课推荐集合内对应课程的顺序。
[0019]进一步，视觉反馈因子的具体生成过程如下：
[0020]提取视觉学习图像内学生的头部轮廓图，再将可视化窗口的中轴线标记为聚焦直线，将聚焦直线的中点标记为聚焦点，以头部轮廓图中两个眼睛之间的中点为动态点，以聚焦直线构建与其垂直的直线，且垂直直线设于聚焦点处，以垂直直线为基础做动态点的平行线，且以聚焦点为起点进行延伸和平行线进行垂直相交形成相交点，将聚焦点、动态点和相交点进行首尾相连形成虚拟视角三角形，采集虚拟视角三角形中聚焦点和动态点连接直线与平行线的角度，并将角度的绝对值记作虚拟视角，再获取聚焦点和动态点之间的距离并将标记为虚拟距离，且将虚拟视角和虚拟距离和权重参数一进行相乘后，将相乘的结果进行相加得到视觉反馈因子，当视觉反馈因子大于预设反馈值时，则生成学习提醒信号；还将生成的视觉反馈因子进行储存；当视觉反馈因子小于预设反馈值时，则不生成学习提醒信号。
[0021]进一步，推荐校正值的归一化结合具体过程如下：
[0022]获取整个课程学习周期过程中视觉反馈因子并对其进行平均化得到的反馈均值；再通过学习信息构建完课分数矩阵；且获取待分析学生和矩阵学生的匹配度，且提取本专业不同课程的匹配度后进行平均得到匹配均值，反馈均值和匹配均值进行归一化处理得到课程的能力校正值。
[0023]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0024](1)本专利技术是通过学生注册储存学生信息，且将学生信息内年级和专业标记为匹配特征信息，还用于采集学生选课信息并结合匹配特征信息进行匹配并生成历史标签信息，通过大量的历史标签信息进行分析判定生成偏好动态值，通过偏好动态值分析构建第一选课推荐集合、第二选课推荐集合和第三选课推荐集合，通过提取第一选课推荐集合中偏好动态值排序前三的课程进行页面置顶滚动，当学生注册登录时自动匹配本专业学生，对其进行专业偏好推荐，以增强同专业学生偏好的关联性；还通过第二选课推荐集合和第三选课推荐集合匹配体系和本年级的推荐情况来关联同专业人士的非本专业偏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的高校选课推荐系统，其特征在于，包括可视化窗口和选课推荐平台，可视化窗口和选课推荐平台基于互联网进行信号连接，且可视化窗口包括注册登录单元和采集发送单元；注册登录单元用于学生通过可视化窗口提交学生信息进行注册，且将注册成功的时刻标记为注册时间，并将注册成功的学生信息发送到选课推荐平台进行储存；其中的学生信息包括学生姓名、年龄、身份证号、手机号、年级、所属系和专业，且将年级和专业标记为匹配特征信息，采集发送单元用于采集学生选课信息并将其发送给选课推荐平台进行储存；选课推荐平台用于接收学生选课信息并将其信息与学生信息进行匹配生成历史标签信息，且将匹配特征信息相同的历史标签信息储存到同区域并对其进行打包生成对应的待分析数据包，对待分析数据包内数据进行分析判定生成偏好动态值，通过偏好动态值分析构建选课推荐集合，还将选课推荐集合发送到可视化窗口将对应课程进行实时刷新显示。2.根据权利要求1所述的一种基于人工智能的高校选课推荐系统，其特征在于，偏好动态值分析判定生成的具体步骤如下：获取待分析数据包的储存数据量和或储存时间，当待分析数据包的储存数据量和储存时间任一数据大于等于与之对应的预设限定值时，则将待分析数据包进行解压，再提取课程的选择数量并剔除选择数量小于预设数量的课程，且将剔除后课程的选择数量标记为剩余课程的选择数量Qi，则i的取值范围为1、2、3、
…
n，n为正整数，且Q1、Q2、
…
Qn分别对应剩余课程选择数量；则通过公式计算出剩余课程的选择均量和剩余课程的选择标准差，再根据选择标准差和选择均量的比值得到偏好分散值；再将偏好分散值分别和与之对应的剩余课程的选择数量进行相乘得到各课程的中间值，再实时提取最近预设时间段内的若干实时中间值并对其进行平均计算得到偏好动态值。3.根据权利要求2所述的一种基于人工智能的高校选课推荐系统，其特征在于，选课推荐集合的分析构建过程包括：提取同专业下课程的偏好动态值，再将偏好动态值进行从大到小排列，并通过偏好动态值将对应的课程进行排序生成第一选课推荐集合；获取所属系下的多个优先选课推荐集合，提取排序分别对应的赋权参数一，并将赋权参数一分别和与之排序对应的偏好动态值相乘，再将多个相乘的结果进行平均生成多个第一偏好均值，且将第一偏好均值进行排序，还通过排序后的第一偏好均值并结合对应课程形成第二选课推荐集合；获取全部的优先选课推荐集合，提取排序分别对应的赋权参数二，并将赋权参数二分别和与之排序对应的偏好动态值相乘，再将多个相乘的结果进行平均生成多个第二偏好...

【专利技术属性】
技术研发人员：张协尧，
申请(专利权)人：上海旭灿信息技术有限公司，
类型：发明
国别省市：