王　濤，翟雪松

(安徽建筑大學(xué)　a.教務(wù)處;b.外語(yǔ)學(xué)院，合肥　230601)

?

基于神經(jīng)網(wǎng)絡(luò)的智能課程推薦模型

王濤a，翟雪松b

(安徽建筑大學(xué)a.教務(wù)處;b.外語(yǔ)學(xué)院，合肥230601)

摘要：選課制允許學(xué)生根據(jù)自己的專業(yè)情況進(jìn)行各類(lèi)課程的選修，但是學(xué)生因?yàn)閷?duì)專業(yè)培養(yǎng)方案和標(biāo)準(zhǔn)了解不深入，選擇的課程不能推動(dòng)其專業(yè)發(fā)展，造成了個(gè)人時(shí)間精力和學(xué)校教學(xué)資源的浪費(fèi)。文章提出基于神經(jīng)網(wǎng)絡(luò)的選課推薦模型，首先將專業(yè)培養(yǎng)標(biāo)準(zhǔn)符合向量作為模型的輸入，然后根據(jù)選課數(shù)據(jù)及成績(jī)進(jìn)行函數(shù)計(jì)算的結(jié)果做為模型的輸出，最后通過(guò)數(shù)據(jù)測(cè)試驗(yàn)證了該模型符合實(shí)際情況。

關(guān)鍵詞：選課；課程識(shí)別向量；課程推薦；神經(jīng)網(wǎng)絡(luò)

高等教育教學(xué)中，每個(gè)專業(yè)有各自的培養(yǎng)方案，每個(gè)培養(yǎng)方案都制定了專業(yè)培養(yǎng)標(biāo)準(zhǔn)，培養(yǎng)方案中的每門(mén)課程都關(guān)聯(lián)支撐專業(yè)培養(yǎng)標(biāo)準(zhǔn)。學(xué)生選課的時(shí)候應(yīng)該考慮完成專業(yè)培養(yǎng)目標(biāo)，選擇的課程應(yīng)該關(guān)聯(lián)支撐專業(yè)培養(yǎng)標(biāo)準(zhǔn)，但是學(xué)生因?yàn)閷?duì)專業(yè)培養(yǎng)方案、標(biāo)準(zhǔn)和課程內(nèi)容、目標(biāo)的了解不深入，往往選課很盲目，選擇的課程不能推動(dòng)其專業(yè)發(fā)展，造成了個(gè)人時(shí)間精力和學(xué)校教學(xué)資源的浪費(fèi)。

學(xué)生選課時(shí)面對(duì)大量課程，特別是慕課的出現(xiàn)，更多的優(yōu)質(zhì)教育資源正在被共享[1]。如果能夠獲得每門(mén)課程根據(jù)專業(yè)培養(yǎng)標(biāo)準(zhǔn)的推薦度，然后通過(guò)推薦度得到良好的選課指導(dǎo)，但是專業(yè)培養(yǎng)標(biāo)準(zhǔn)與課程之間難以用恰當(dāng)?shù)臄?shù)學(xué)解析表達(dá)式來(lái)表示，它屬于復(fù)雜的非線性分類(lèi)問(wèn)題。本文提出基于神經(jīng)網(wǎng)絡(luò)的選課推薦模型，該模型根據(jù)每一項(xiàng)專業(yè)培養(yǎng)標(biāo)準(zhǔn)，計(jì)算出課程對(duì)某專業(yè)的推薦度。一般函數(shù)表達(dá)方法不能很好地解決這些問(wèn)題，而人工神經(jīng)網(wǎng)絡(luò)作為一種新技術(shù)，以其非線性映射和實(shí)時(shí)優(yōu)化等基本特性為課程推薦研究開(kāi)辟了新的途徑。本文依據(jù)專業(yè)培養(yǎng)標(biāo)準(zhǔn)，建立了基于神經(jīng)網(wǎng)絡(luò)的課程推薦模型，并通過(guò)數(shù)據(jù)測(cè)試驗(yàn)證了該模型的結(jié)果符合實(shí)際情況。

1專業(yè)培養(yǎng)標(biāo)準(zhǔn)與課程識(shí)別向量

1.1專業(yè)培養(yǎng)標(biāo)準(zhǔn)

每個(gè)專業(yè)設(shè)計(jì)培養(yǎng)方案時(shí)候都會(huì)制定專業(yè)培養(yǎng)標(biāo)準(zhǔn)，細(xì)化專業(yè)培養(yǎng)目標(biāo)與人才培養(yǎng)規(guī)格，設(shè)計(jì)課程教學(xué)大綱，完善教學(xué)環(huán)節(jié)。根據(jù)文獻(xiàn)[2]中課程標(biāo)準(zhǔn)的分類(lèi)，我校結(jié)合實(shí)際制定了10項(xiàng)專業(yè)培養(yǎng)標(biāo)準(zhǔn)，具體見(jiàn)表1。

表1　課程標(biāo)準(zhǔn)分類(lèi)

續(xù)表1

標(biāo)準(zhǔn) 內(nèi)容標(biāo)準(zhǔn)6具有較強(qiáng)的創(chuàng)新意識(shí)和進(jìn)行XX工藝技術(shù)及產(chǎn)品開(kāi)發(fā)和設(shè)計(jì)、技術(shù)改造與創(chuàng)新的初步能力標(biāo)準(zhǔn)7具有信息檢索、獲取和職業(yè)發(fā)展的終身學(xué)習(xí)能力標(biāo)準(zhǔn)8具有較好的領(lǐng)導(dǎo)組織管理能力、環(huán)境適應(yīng)和團(tuán)隊(duì)合作的能力標(biāo)準(zhǔn)9應(yīng)對(duì)危機(jī)與突發(fā)事件的初步能力標(biāo)準(zhǔn)10具有一定的國(guó)際視野和跨文化環(huán)境下的交流、競(jìng)爭(zhēng)與合作的初步能力

1.2課程識(shí)別向量

在上述的定義中，ki用來(lái)描述該課程的。其中，

這樣，當(dāng)ki取確定的值時(shí)，可得到一門(mén)課程的專業(yè)培養(yǎng)標(biāo)準(zhǔn)符合情況。以《思想道德修養(yǎng)與法律基礎(chǔ)》課程為例，參照專業(yè)培養(yǎng)標(biāo)準(zhǔn)進(jìn)行識(shí)別，符合標(biāo)準(zhǔn)1中的社會(huì)責(zé)任感，標(biāo)準(zhǔn)2中的良好的自動(dòng)化職業(yè)道德以及標(biāo)準(zhǔn)4中的相關(guān)行業(yè)的政策、法律和法規(guī)，由此該課程符合專業(yè)培養(yǎng)標(biāo)準(zhǔn)的識(shí)別向量為：

k=[1,1,0,1,0,0,0,0,0,0]

2BP神經(jīng)網(wǎng)絡(luò)的課程推薦模型

學(xué)生選課的時(shí)候，如果能夠獲得每門(mén)課程根據(jù)專業(yè)培養(yǎng)標(biāo)準(zhǔn)進(jìn)行識(shí)別的推薦度，就可以知道此課程對(duì)自己所學(xué)專業(yè)的支撐程度，做出是否選課的決定，從而得到良好的選課指導(dǎo)。但是專業(yè)培養(yǎng)標(biāo)準(zhǔn)與課程推薦關(guān)系是復(fù)雜的，每項(xiàng)專業(yè)培養(yǎng)標(biāo)準(zhǔn)的權(quán)重不同，標(biāo)準(zhǔn)的層次、內(nèi)容很多，獲得準(zhǔn)確、科學(xué)推薦比較困難。要推薦一門(mén)課程，就需要了解課程對(duì)專業(yè)培養(yǎng)標(biāo)準(zhǔn)的符合程度以及每個(gè)標(biāo)準(zhǔn)的權(quán)重系數(shù)。可以采用一個(gè)符合函數(shù)來(lái)定義課程對(duì)專業(yè)培養(yǎng)某項(xiàng)標(biāo)準(zhǔn)的符合程度：

F=f(bi)

F定義為0或1，0為不符合，1為符合。

每門(mén)課程根據(jù)專業(yè)培養(yǎng)標(biāo)準(zhǔn)進(jìn)行識(shí)別的推薦度是專業(yè)培養(yǎng)標(biāo)準(zhǔn)和該課程專業(yè)培養(yǎng)標(biāo)準(zhǔn)符合向量共同作用的結(jié)果，函數(shù)表示為：

T=F*K

上述函數(shù)用來(lái)描述課程推薦模型，但是專業(yè)培養(yǎng)標(biāo)準(zhǔn)與課程之間難以用恰當(dāng)?shù)臄?shù)學(xué)解析表達(dá)式來(lái)表示，它屬于復(fù)雜的非線性分類(lèi)問(wèn)題，函數(shù)關(guān)系是很復(fù)雜的，難以直接準(zhǔn)確得到，因此借助機(jī)器學(xué)習(xí)工具來(lái)模擬課程推薦模型[3]。

2.1BP神經(jīng)網(wǎng)絡(luò)課程推薦模型的構(gòu)建

BP 神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)從輸入到輸出的任意非線性映射，并且具有較好的泛化能力，根據(jù)Kolmogorov定理，本文采用3層BP網(wǎng)絡(luò)，即“輸入層—隱層—輸出層”進(jìn)行課程推薦模型的訓(xùn)練。模型的具體設(shè)計(jì)是專業(yè)培養(yǎng)標(biāo)準(zhǔn)作為輸入因子，根據(jù)以往選該門(mén)課程學(xué)生人數(shù)和平均成績(jī)函數(shù)計(jì)算結(jié)果作為輸出因子，然后進(jìn)行訓(xùn)練學(xué)習(xí)，從而得到課程對(duì)專業(yè)學(xué)生的推薦關(guān)系。對(duì)于待推薦課程，在根據(jù)專業(yè)培養(yǎng)標(biāo)準(zhǔn)進(jìn)行識(shí)別后，將專業(yè)培養(yǎng)標(biāo)準(zhǔn)符合向量作為輸入，經(jīng)過(guò)訓(xùn)練好的課程推薦模型，可以得到該課程對(duì)專業(yè)學(xué)生的推薦程度輸出。[4]

本文利用我校教學(xué)管理系統(tǒng)中的數(shù)據(jù)庫(kù)進(jìn)行分析，其中選課數(shù)據(jù)庫(kù)包含了每學(xué)期我校各門(mén)課程選課情況，成績(jī)數(shù)據(jù)庫(kù)包含了每位學(xué)生所選課程的成績(jī)，當(dāng)一門(mén)課程某專業(yè)學(xué)生選課人數(shù)多，同時(shí)考試成績(jī)好時(shí)，表明該課程教學(xué)效果好，值得推薦。這里我們依據(jù)選課數(shù)據(jù)及成績(jī)進(jìn)行函數(shù)計(jì)算，得出結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)課程推薦模型的輸出：

式中rx為某專業(yè)已選課人數(shù)，r為已選課總?cè)藬?shù)，a為某專業(yè)選課學(xué)生的平均成績(jī)，T為推薦度，定義在[0，1]上的一個(gè)連續(xù)函數(shù)，1為最推薦，0為不推薦。

2.2數(shù)據(jù)預(yù)處理

本文利用在我校教學(xué)管理系統(tǒng)中選取的 10門(mén)課程，其中對(duì)每門(mén)課程符合專業(yè)培養(yǎng)標(biāo)準(zhǔn)進(jìn)行了識(shí)別，得到課程一組識(shí)別向量如表2；同時(shí)提取10門(mén)課程的選課及成績(jī)記錄，依據(jù)文中的輸出函數(shù)進(jìn)行計(jì)算，得到推薦結(jié)果如表3。

表2　課程識(shí)別向量部分樣本數(shù)據(jù)集

表3　課程推薦結(jié)果數(shù)據(jù)處理集

2.3模型的訓(xùn)練

本文借助中的MATLAB7．1神經(jīng)網(wǎng)絡(luò)工具箱來(lái)實(shí)現(xiàn)具體薦系統(tǒng)，建立了三層BP網(wǎng)絡(luò)，采用NEWFF函數(shù)進(jìn)行神經(jīng)網(wǎng)絡(luò)的創(chuàng)建，輸入有10個(gè)神經(jīng)元，中間隱含層有10個(gè)神經(jīng)元，輸出一個(gè)數(shù)據(jù)，因此網(wǎng)絡(luò)為10×10×1的結(jié)構(gòu)，如圖1。神經(jīng)網(wǎng)絡(luò)的輸入層、隱含層神經(jīng)元設(shè)定為雙曲線正切S型傳遞tansig函數(shù)，由于輸出已經(jīng)貝歸一化到區(qū)間[0,1]中，所以輸出層神經(jīng)元的傳遞函數(shù)設(shè)定為對(duì)數(shù)S型傳遞logsig函數(shù)。

圖1　神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

在網(wǎng)絡(luò)的輸入層輸入課程識(shí)別向量的數(shù)據(jù)集，這里運(yùn)用10個(gè)訓(xùn)練樣本作為學(xué)習(xí)集進(jìn)行訓(xùn)練，訓(xùn)練次數(shù)設(shè)置最多為3 000次，分別選用L-M優(yōu)化算法、有動(dòng)量的梯度下降法、可變學(xué)習(xí)速率的梯度下降法和彈性梯度下降法等進(jìn)行學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)。經(jīng)過(guò)反復(fù)試算，當(dāng)學(xué)習(xí)訓(xùn)練算法選擇L-M優(yōu)化算法的trainlm函數(shù)時(shí)候，網(wǎng)絡(luò)的預(yù)測(cè)效果最為理想。在實(shí)際訓(xùn)練中，經(jīng)過(guò)3次迭代之后，實(shí)際輸出與期望輸出的誤差滿足要求，網(wǎng)絡(luò)停止訓(xùn)練，訓(xùn)練過(guò)程如圖2所示。

(a) L-M優(yōu)化算法訓(xùn)練過(guò)程中網(wǎng)絡(luò)誤差性能變化

(b) 有動(dòng)量的梯度下降法訓(xùn)練過(guò)程中網(wǎng)絡(luò)誤差性能變化

(c) 可變學(xué)習(xí)速率的梯度下降法訓(xùn)練過(guò)程中網(wǎng)絡(luò)誤差性能變化

(d) 彈性梯度下降法訓(xùn)練過(guò)程中網(wǎng)絡(luò)誤差性能變化

圖2人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程

從圖2的誤差性能變化，我們看到(b)有動(dòng)量的梯度下降法經(jīng)過(guò)3 000次迭代后，仍然無(wú)法到達(dá)期望的誤差；(c)可變學(xué)習(xí)速率的梯度下降法，雖然達(dá)到了誤差性能，但是經(jīng)過(guò)109次迭代，收斂速度不快；(d) 彈性梯度下降法，雖然收斂速度較快并達(dá)到了誤差期望，但是網(wǎng)絡(luò)振蕩變化性能明顯[5]。

2.4模型的測(cè)試

表4　測(cè)試樣本的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型輸出和實(shí)際輸出值比較

根據(jù)上述討論，提出如圖3所示的基于課程識(shí)別向量的課程推薦算法流程。

圖3　課程推薦算法流程

3結(jié)論

本文提出采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)，基于課程識(shí)別向量的智能課程推薦模型。每門(mén)課程根據(jù)專業(yè)培養(yǎng)標(biāo)準(zhǔn)生成課程識(shí)別向量，依據(jù)選課數(shù)據(jù)及成績(jī)計(jì)算出課程推薦度，將課程識(shí)別向量和推薦度輸入到神經(jīng)網(wǎng)絡(luò)中，當(dāng)隱含層節(jié)點(diǎn)數(shù)為10，學(xué)習(xí)訓(xùn)練算法選擇L-M優(yōu)化算法時(shí)，網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的誤差滿足要求，表明推薦模型的準(zhǔn)確性符合要求，即該神經(jīng)網(wǎng)絡(luò)反映的課程識(shí)別向量與課程推薦度之間的關(guān)系，基本體現(xiàn)了它們之間的函數(shù)關(guān)系，可以運(yùn)用該模型來(lái)進(jìn)行相應(yīng)的推薦。

參考文獻(xiàn)：

[1]翟雪松、袁婧.MOOC在我國(guó)高等教育中的發(fā)展困境及對(duì)策研究[J]. 電化教育研究，2014(10)：97-98.

[2]崔允漷. 課程實(shí)施的新取向:基于課程標(biāo)準(zhǔn)的教學(xué)[J].教育研究，2009(1)：77-79.

[3]翟雪松，尹吉明，林莉蘭.結(jié)構(gòu)方程視角下我國(guó)翻轉(zhuǎn)課堂滿意度模型構(gòu)建[J].高教探索，2015(5)：69-71

[4]辛菊琴，蔣 艷，舒少龍.綜合用戶偏好模型和BP神經(jīng)網(wǎng)絡(luò)的個(gè)性化推薦[J].計(jì)算機(jī)工程與應(yīng)用，2013，49(2):58-59

[5]朱凱，王正林. 精通MATLAB神經(jīng)網(wǎng)絡(luò)[M].北京：電子工業(yè)出版社，2010：193-220.

[6]張德豐. MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M].2版.北京：機(jī)械工業(yè)出版社，2011:335-337.

[責(zé)任編輯：張永軍]

Model of Recommended Courses Basedon Neural Network

WANG Taoa，ZHAI Xue-songb

(a.Office of Academic Affairs，b.School of Foreign Languages，Anhui Jianzhu University,Hefei 230601,China)

Abstract:Students can take the course according to their own professional on the basis of course selecting system.But students do not understand the professional training programs and standards, the choice of courses cannot promote their professional development, resulting in a waste of personal time and school teaching resources.This paper proposed a model of recommended coursesbasedon neural network.First, the professional training standards in line with the vector as the input of the model and according to the classes of data and results of the calculation functions of the model output. Finally, the data tests show that the model is consistent with the actual situation.

Key words:take the course；course identification vector；recommended courses；neural Network

中圖分類(lèi)號(hào)：TP393.1

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1673-162X(2016)01-0030-05

作者簡(jiǎn)介：王濤(1980—)，男，甘肅武威人，安徽建筑大學(xué)教務(wù)處工程師。

基金項(xiàng)目：2012年安徽省省級(jí)質(zhì)量工程項(xiàng)目“學(xué)分制下智能選課指導(dǎo)平臺(tái)的構(gòu)建與研究 ”(2012jyxm388)、2015安徽振興計(jì)劃重大教改項(xiàng)目“大學(xué)外語(yǔ)教學(xué)指南背景下大學(xué)英語(yǔ)多元智能翻轉(zhuǎn)課堂(MIFCM)教學(xué)研究”(2015zdjy115)、2015年安徽省人文社科重點(diǎn)項(xiàng)目“基于情感計(jì)算的大學(xué)英語(yǔ)自主學(xué)習(xí)效能動(dòng)態(tài)評(píng)測(cè)研究”(SK2015A632)資助。

收稿日期：2015-11-20修回日期：2016-01-03