本技術(shù)涉及課程推薦，尤其是涉及一種基于多維數(shù)據(jù)分析的課程推薦方法及系統(tǒng)。

背景技術(shù)：

1、多維數(shù)據(jù)分析是一種強大的數(shù)據(jù)處理和分析方法，它能夠處理具有多個維度的數(shù)據(jù)，揭示數(shù)據(jù)之間復(fù)雜的關(guān)聯(lián)和模式。在教育領(lǐng)域，多維數(shù)據(jù)分析技術(shù)的應(yīng)用可以幫助深入理解學(xué)生的學(xué)習(xí)行為和需求，從而為個性化教育提供有力支持。通過多維數(shù)據(jù)分析，課程推薦系統(tǒng)可以綜合考慮學(xué)生的歷史學(xué)習(xí)數(shù)據(jù)、課程內(nèi)容、學(xué)生之間的相似性、課程的流行度、難度和用戶評價等多個維度的信息，為學(xué)生推薦最適合的課程。

2、多維數(shù)據(jù)分析是一種處理和分析復(fù)雜數(shù)據(jù)的方法，能夠揭示數(shù)據(jù)中隱藏的模式和關(guān)聯(lián)。多維數(shù)據(jù)分析通常涉及多個維度，如時間、空間、類別等，通過對多維數(shù)據(jù)的綜合分析，可以獲得更全面和深刻的見解。具體到課程推薦系統(tǒng)，多維數(shù)據(jù)分析可以幫助分析學(xué)生的學(xué)習(xí)行為、課程特性、學(xué)生之間的相似性等，從而為個性化推薦提供有力的支持。

3、因此，如何利用多維數(shù)據(jù)分析的方式為學(xué)生精確提供課程推薦成為了亟待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、為了利用多維數(shù)據(jù)分析的方式為學(xué)生精確提供課程推薦，本技術(shù)提供一種基于多維數(shù)據(jù)分析的課程推薦方法及系統(tǒng)。

2、第一方面，本技術(shù)提供的一種基于多維數(shù)據(jù)分析的課程推薦方法采用如下的技術(shù)方案：

3、一種基于多維數(shù)據(jù)分析的課程推薦方法，包括：

4、獲取目標用戶對應(yīng)的目標歷史數(shù)據(jù)，并根據(jù)所述目標歷史數(shù)據(jù)構(gòu)建用戶-課程矩陣以確定候選課程信息；

5、根據(jù)所述候選課程信息確定課程契合度；

6、獲取選課數(shù)據(jù)信息并構(gòu)建超圖，通過所述超圖確定課程相容度；

7、確定所述候選課程信息中的選課人數(shù)和平均完成率以生成參與指數(shù)，根據(jù)所述參與指數(shù)生成流行度信息；

8、確定所述候選課程對應(yīng)的平均成績和用戶基礎(chǔ)信息以生成課程難度；

9、在所述候選課程信息中獲取評論區(qū)信息以確定滿意程度；

10、根據(jù)所述課程契合度、所述課程相容度、所述流行度信息、所述課程難度以及所述滿意程度生成綜合推薦評分。

11、可選的，所述獲取目標用戶對應(yīng)的目標歷史數(shù)據(jù)，并根據(jù)所述目標歷史數(shù)據(jù)構(gòu)建用戶-課程矩陣以確定候選課程信息的步驟，包括：

12、獲取目標用戶對應(yīng)的目標歷史數(shù)據(jù)，根據(jù)所述目標歷史數(shù)據(jù)構(gòu)建用戶-課程學(xué)習(xí)矩陣；

13、利用基于用戶的協(xié)同過濾推薦算法在所述用戶-課程學(xué)習(xí)矩陣中確定相似用戶；

14、獲取所述目標用戶的已學(xué)課程并通過lda主題模型提取所述已學(xué)課程的主題詞以生成課程特征；

15、根據(jù)所述相似用戶和所述課程特征確定候選課程信息。

16、可選的，所述根據(jù)所述相似用戶和所述課程特征確定候選課程信息的步驟，包括：

17、根據(jù)所述相似用戶確定所述相似用戶學(xué)過但所述目標用戶未學(xué)過的目標課程集合作為用戶相似性計算結(jié)果；

18、獲取所述目標用戶的已學(xué)課程信息，根據(jù)所述已學(xué)課程信息結(jié)合所述課程特征確定課程相似性計算結(jié)果；

19、根據(jù)所述用戶相似性計算結(jié)果和所述課程相似性計算結(jié)果生成候選課程信息。

20、可選的，所述獲取選課數(shù)據(jù)信息并構(gòu)建超圖，通過所述超圖確定課程相容度的步驟，包括：

21、獲取選課數(shù)據(jù)信息，根據(jù)所述選課數(shù)據(jù)信息確定節(jié)點信息和超邊信息；

22、根據(jù)所述節(jié)點信息和所述超邊信息構(gòu)建超圖；

23、將所述超圖轉(zhuǎn)換成關(guān)聯(lián)矩陣；

24、使用社區(qū)檢測算法在所述關(guān)聯(lián)矩陣中確定課程組合；

25、計算所述課程組合對應(yīng)的支持度、置信度以及提升度；

26、根據(jù)所述支持度、所述置信度以及所述提升度確定課程相容度。

27、可選的，所述確定所述候選課程信息中的選課人數(shù)和平均完成率以生成參與指數(shù)，根據(jù)所述參與指數(shù)生成流行度信息的步驟，包括：

28、獲取候選課程的歷史數(shù)據(jù)，在所述歷史數(shù)據(jù)中確定每門課程的選課人數(shù)和每門課程的平均完成率；

29、根據(jù)所述相似用戶確定所述候選課程中每門課程對應(yīng)的選課人數(shù)；

30、根據(jù)所述選課人數(shù)和所述平均完成率計算參與指數(shù)

31、；

32、根據(jù)所述參與指數(shù)計算流行度得分

33、。

34、可選的，所述確定所述候選課程對應(yīng)的平均成績和用戶基礎(chǔ)信息以生成課程難度的步驟，包括：

35、在所述候選課程中獲取歷史成績信息，根據(jù)所述歷史成績信息確定課程難度指數(shù)di

36、

37、其中為課程平均成績；

38、使用加權(quán)平均法結(jié)合所述歷史成績信息以計算學(xué)習(xí)能力指數(shù) lai

39、

40、其中是第i門課程的成績，是第i門課程的權(quán)重；

41、根據(jù)所述課程難度指數(shù)di和所述學(xué)習(xí)能力指數(shù) lai計算每個課程的適配難度指數(shù) adi

42、

43、其中是權(quán)重參數(shù)。

44、可選的，所述在所述候選課程信息中獲取評論區(qū)信息以確定滿意程度的步驟，包括：

45、在所述候選課程信息中獲取評論區(qū)信息，所述評論區(qū)信息包括文本信息和非文本信息；

46、在所述文本信息中確定詞語集合，在所述詞語集合中根據(jù)詞性分析策略確定標簽集合；

47、在所述標簽集合中計算文本情感評分；

48、在所述非文本信息中確定非文本置信度信息和情感分類占比；

49、根據(jù)所述非文本置信度信息和情感分類占比確定非文本情感評分；

50、根據(jù)所述文本情感評分和所述非文本情感評分以確定滿意程度。

51、第二方面，本技術(shù)提供一種基于多維數(shù)據(jù)分析的課程推薦系統(tǒng)，所述基于多維數(shù)據(jù)分析的課程推薦系統(tǒng)包括：

52、候選課程信息模塊，用于獲取目標用戶對應(yīng)的目標歷史數(shù)據(jù)，并根據(jù)所述目標歷史數(shù)據(jù)構(gòu)建用戶-課程矩陣以確定候選課程信息；

53、課程契合度模塊，用于根據(jù)所述候選課程信息確定課程契合度；

54、課程相容度模塊，用于獲取選課數(shù)據(jù)信息并構(gòu)建超圖，通過所述超圖確定課程相容度；

55、流行度信息模塊，用于確定所述候選課程信息中的選課人數(shù)和平均完成率以生成參與指數(shù)，根據(jù)所述參與指數(shù)生成流行度信息；

56、課程難度模塊，用于確定所述候選課程對應(yīng)的平均成績和用戶基礎(chǔ)信息以生成課程難度；

57、滿意程度模塊，用于在所述候選課程信息中獲取評論區(qū)信息以確定滿意程度；

58、綜合推薦評分模塊，用于根據(jù)所述課程契合度、所述課程相容度、所述流行度信息、所述課程難度以及所述滿意程度生成綜合推薦評分。

59、第三方面，本技術(shù)提供一種計算機設(shè)備，所述設(shè)備包括：存儲器、處理器，所述處理器在運行所述存儲器存儲的計算機指令時，執(zhí)行如上文所述的方法。

60、第四方面，本技術(shù)提供一種計算機可讀存儲介質(zhì)，包括指令，當(dāng)所述指令在計算機上運行時，使得計算機執(zhí)行如上文所述的方法。

61、綜上描述，本技術(shù)包括以下有益技術(shù)效果：

62、本技術(shù)通過獲取目標用戶對應(yīng)的目標歷史數(shù)據(jù)，根據(jù)目標歷史數(shù)據(jù)構(gòu)建用戶-課程矩陣以確定候選課程信息；根據(jù)候選課程信息確定課程契合度；獲取選課數(shù)據(jù)信息并構(gòu)建超圖，通過超圖確定課程相容度；確定候選課程信息中的選課人數(shù)和平均完成率以生成參與指數(shù)，根據(jù)參與指數(shù)生成流行度信息；確定候選課程對應(yīng)的平均成績和用戶基礎(chǔ)信息以生成課程難度；在候選課程信息中獲取評論區(qū)信息以確定滿意程度；根據(jù)課程契合度、課程相容度、流行度信息、課程難度以及滿意程度生成綜合推薦評分。為學(xué)生提供了更加精準、高效和個性化的課程推薦，顯著提升了學(xué)生的學(xué)習(xí)體驗和效果。