前言：想要寫出一篇引人入勝的文章？我們特意為您整理了計算機專業(yè)課程體系推薦算法研究范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：大數(shù)據(jù)背景下的計算機專業(yè)課程體系的建設(shè)以學(xué)生為主體，充分考慮到了學(xué)生的學(xué)習(xí)特征。本研究在原有專業(yè)課程體系的基礎(chǔ)上，以提高高校學(xué)生培養(yǎng)質(zhì)量為目標(biāo)，提出在大數(shù)據(jù)背景下采集海量利用協(xié)同過濾算法獲得處于熱門狀態(tài)的計算機專業(yè)書籍列表，進行時間、樣本的累積后，獲得符合時代背景和學(xué)生特點的專業(yè)課程體系。該方法創(chuàng)新學(xué)生培養(yǎng)模式，通過可動態(tài)調(diào)整專業(yè)課程體系，提高了學(xué)生培養(yǎng)質(zhì)量，完善了高校人才培養(yǎng)機制。

關(guān)鍵詞：大數(shù)據(jù)；課程體系；協(xié)同過濾

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(luò)教學(xué)和大數(shù)據(jù)時代，大學(xué)生課程學(xué)習(xí)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(xué)習(xí)等技術(shù)，有針對性地對學(xué)生的興趣偏好進行分析，獲得學(xué)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(xué)與實際應(yīng)用存在脫節(jié)問題，使課堂教學(xué)更有時效性，改善教學(xué)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(xué)理念、教學(xué)方式、學(xué)生培養(yǎng)模式的變革。一直以來高等學(xué)校的學(xué)生培養(yǎng)模式都是在專業(yè)建設(shè)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(xué)生特點進行個性化調(diào)整。高等學(xué)校教學(xué)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(xué)生個性特點的變化，課程的教學(xué)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(xué)需求，無法充分調(diào)動學(xué)生的學(xué)習(xí)興趣及特點。學(xué)生在校內(nèi)學(xué)習(xí)過程中，在慕課、圖書借閱、校內(nèi)網(wǎng)站瀏覽等學(xué)習(xí)、生活過程中留有大量學(xué)習(xí)偏好數(shù)據(jù)。通過分析學(xué)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(fù)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(dāng)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。參考圖1中所示的內(nèi)容，應(yīng)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(shè)置

3.1數(shù)據(jù)的采集與挖掘

在學(xué)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(xué)生校內(nèi)外學(xué)習(xí)、生活過程中產(chǎn)生的海量的網(wǎng)絡(luò)元數(shù)據(jù)，通過對使用智能推薦算法，形成學(xué)生學(xué)習(xí)興趣、課程的智能推薦，學(xué)校根據(jù)智能推薦的結(jié)果和學(xué)生意愿，完成對學(xué)生學(xué)習(xí)課程體系的再設(shè)計，安排進行相應(yīng)專業(yè)的學(xué)習(xí)，強化學(xué)生實踐環(huán)節(jié)的差異化、人性化，實現(xiàn)學(xué)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－basedcollaborativefiltering）對學(xué)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(xué)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(xué)生專業(yè)數(shù)據(jù)推薦列表的基礎(chǔ)上，將全部學(xué)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。

4結(jié)論

創(chuàng)新學(xué)生培養(yǎng)模式作為培養(yǎng)具備創(chuàng)新能力學(xué)生的關(guān)鍵因素，如何為學(xué)生提供更加個性化，具備更符合時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(xué)生日常學(xué)習(xí)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。

參考文獻

[1]高建煌.個性化推薦系統(tǒng)技術(shù)與應(yīng)用[D].合肥：中國科學(xué)技術(shù)大學(xué)，2010.

[2]于凱，吳蕾.大數(shù)據(jù)環(huán)境下的推薦系統(tǒng)在個性化教學(xué)中的應(yīng)用研究[J].福建電腦，2015（8）：46-47.

[3]姜雷，趙功群.數(shù)字圖書館系統(tǒng)中的個性化服務(wù)模型[J].圖書館學(xué)刊，2011（9）：66-68.

[4]錢冬明，等.數(shù)字教育資源共建共享的系統(tǒng)分祈框架研究[J].電化教育研究，2013（7）：55-60，72.

[5]牛亞男.教學(xué)資源個性化推薦系統(tǒng)的設(shè)計和實現(xiàn)[D].大連：大連理工大學(xué)，2013.

[6]朱郁筱，呂琳媛.推薦系統(tǒng)評價指標(biāo)綜述[J].電子科技大學(xué)學(xué)報，2012，41（2）：163-175.

作者：張沛露 單位：吉林建筑大學(xué)