第 1 章 前言

目前，絕大多數的高校選課系統已實現了信息化，可以為學生提供基本選課的基本功能。然而，隨著學生在教學中主體地位的不斷提高，高校的校務系統因此迫切的需要更加智能化的選課系統以幫助學生實現個性化的發展。相對於較為固定的專業課程，通識課程有著方向多元化，選擇自由度較高，內容較為簡單的特點，旨在讓學生在除本專業以外，還能多培養一些其他專業領域的知識。因而學生的通識課程的選擇往往能反映出學生的興趣。 為了解決目前高校選課系統存在的缺乏個性化推薦，且選課效率較為低下的問題。本研究以台北大學2012年至2016年大學部學生的通識課程選課情況為對象，在學生的選課環節過程中引入了數據挖掘技術和神經網絡協同過濾算法，在傳統的協同過濾推薦技術的基礎上，結合神經網絡結構來提取學生和課程之間的潛在特征，進而通過協同過濾算法來預測評分矩陣，產生推薦列表，以實現智能化的針對不同的學生推薦他可能喜愛的課程。

本實驗結果表明,在傳統協同過濾推薦技術的基礎上,採用神經網絡結構的協同過濾演算法實現課程推薦,推薦精度更高。本文所實現的改進的協同過濾技術在高校選課推薦系統中的應用很好的為學生智慧推薦選修課程,為學生所推薦的課程具有很好的合理性和準確性,實現了更加智慧化的為學生選課,具有很大的實用性和現實意義。

關鍵字：協同過濾演算法、推薦系統、神經網絡、選課