一種基于協(xié)同過(guò)濾推薦的大學(xué)生學(xué)業(yè)預(yù)警系統(tǒng)

向東旭，宋明桂，李文雅，姚士曉，聶炎明

（西北農(nóng)林科技大學(xué) 信息工程學(xué)院，陜西 楊凌 712100）

0 引言

學(xué)業(yè)預(yù)警是最具有前瞻性和預(yù)防性，有助于提升高校的教學(xué)質(zhì)量和學(xué)生的學(xué)習(xí)積極性與主動(dòng)性，增強(qiáng)學(xué)校、學(xué)生以及家長(zhǎng)之間三方聯(lián)系。江西理工大學(xué)、東北財(cái)經(jīng)大學(xué)等在大學(xué)生學(xué)業(yè)預(yù)警的應(yīng)用實(shí)踐等方面取得了不錯(cuò)的成效[1]。近年來(lái)很多學(xué)者對(duì)學(xué)業(yè)預(yù)警以及相關(guān)算法進(jìn)行研究。文獻(xiàn)[2]提出用核函數(shù)的模糊均值聚類(lèi)（KFCM）改進(jìn)支持向量機(jī)（SVM）數(shù)據(jù)決策算法，開(kāi)展學(xué)生學(xué)業(yè)預(yù)警決策研究。文獻(xiàn)[3]中采用 K-means算法針對(duì)高維小樣本癌癥基因數(shù)據(jù)集的有效區(qū)分基因子集選擇難題，提出K-means改進(jìn)SVM算法模型提升了分類(lèi)器的性能。文獻(xiàn)[4]在分析課程之間的關(guān)系基礎(chǔ)上，運(yùn)用遺傳優(yōu)化 BP神經(jīng)網(wǎng)絡(luò)算法對(duì)目標(biāo)課程績(jī)點(diǎn)進(jìn)行預(yù)測(cè)。文獻(xiàn)[5]利用四種數(shù)據(jù)挖掘算法對(duì)學(xué)生課程績(jī)點(diǎn)進(jìn)行預(yù)測(cè)獲知畢業(yè)時(shí)候的平均績(jī)點(diǎn)。文獻(xiàn)[6]通過(guò)構(gòu)造學(xué)業(yè)狀態(tài)特征向量，運(yùn)用支持向量機(jī)得到非線(xiàn)性預(yù)測(cè)模型自動(dòng)發(fā)現(xiàn)學(xué)習(xí)狀態(tài)不佳的學(xué)生并做出預(yù)警。文獻(xiàn)[7]運(yùn)用關(guān)聯(lián)規(guī)則分析挖掘出學(xué)生課程考試成績(jī)與畢業(yè)之間的關(guān)聯(lián)關(guān)系。目前，大部分高校的學(xué)業(yè)預(yù)警機(jī)制基本都只是根據(jù)學(xué)分成績(jī)來(lái)進(jìn)行預(yù)警。該種學(xué)業(yè)預(yù)警機(jī)制雖然是以實(shí)際數(shù)據(jù)為依據(jù)，但沒(méi)有充分利用一切可統(tǒng)計(jì)的相關(guān)數(shù)據(jù)、對(duì)于數(shù)據(jù)沒(méi)有進(jìn)行足夠的分析，且具有片面性。現(xiàn)有機(jī)制一般都是在學(xué)生學(xué)分成績(jī)低于預(yù)警線(xiàn)后才對(duì)學(xué)生進(jìn)行學(xué)業(yè)預(yù)警或是基于人文社會(huì)分析[8]，具有滯后性且無(wú)法給出具體課程的預(yù)警。而且，目前還沒(méi)有較為系統(tǒng)的學(xué)業(yè)預(yù)警系統(tǒng)的文獻(xiàn)報(bào)道。

本文通過(guò)基于Item的協(xié)同過(guò)濾推薦算法為學(xué)生推薦其高風(fēng)險(xiǎn)課程（該課程可能不合格）。

1 數(shù)據(jù)預(yù)處理

本文所使用的實(shí)驗(yàn)數(shù)據(jù)為學(xué)院在讀和往屆學(xué)生的成績(jī)數(shù)據(jù)十余萬(wàn)條，暫時(shí)采用了 2013-2016級(jí)某專(zhuān)業(yè)的20828條成績(jī)數(shù)據(jù)。在預(yù)處理階段，為了保護(hù)學(xué)生隱私，對(duì)數(shù)據(jù)處理中的關(guān)鍵信息進(jìn)行匿名處理。同時(shí)，部分算法要求數(shù)據(jù)無(wú)空值，為了對(duì)原始數(shù)據(jù)中的成績(jī)空值進(jìn)行填充，首先對(duì)所有課程進(jìn)行人為分類(lèi)（試驗(yàn)中將111門(mén)課程分為7大類(lèi)），對(duì)于每條成績(jī)?yōu)榭諗?shù)據(jù)，將該成績(jī)賦值為該學(xué)生擁有的與該門(mén)課程同類(lèi)的成績(jī)不為空的課程成績(jī)的均值。若與該門(mén)課程同類(lèi)的其他課程成績(jī)均為空，則刪去這條數(shù)據(jù)。

2 基于ItemCF的課程預(yù)警方法

借鑒推薦系統(tǒng)的思想，將課程類(lèi)比為商品，將學(xué)生類(lèi)比為用戶(hù)，將預(yù)警線(xiàn)與課程成績(jī)的差值類(lèi)比為用戶(hù)對(duì)商品的評(píng)分。采用Item-Based的協(xié)同過(guò)濾算法（ItemCF），對(duì)學(xué)生可能會(huì)低于預(yù)警線(xiàn)的課程進(jìn)行預(yù)測(cè)，并推薦給學(xué)生。

通過(guò)User對(duì)目標(biāo)Item的相似Item給出的分?jǐn)?shù)，預(yù)測(cè)出User對(duì)于目標(biāo)Item的分?jǐn)?shù)，其基于一個(gè)假設(shè)[3]：如果大部分User對(duì)于一些Item的評(píng)分比較相近，則當(dāng)前用戶(hù)對(duì)于這些Item的評(píng)分也會(huì)比較相近。因此，ItemCF的關(guān)鍵在于，Item之間相似度的求解，即Item-Item相似矩陣的求解。具體步驟如下：

（1）建立User-Item初始矩陣

對(duì)于原始數(shù)據(jù)成績(jī)，將良好的分?jǐn)?shù)即大于X(70)分的成績(jī)數(shù)據(jù)篩去，并將保留的成績(jī)轉(zhuǎn)換成其對(duì)于X(70)的補(bǔ)數(shù)。這樣的轉(zhuǎn)化使得比較低的成績(jī)轉(zhuǎn)化成較高的user評(píng)分。處理完user評(píng)分后，建立如下矩陣：

該m行n列的矩陣中ijS表示 user i在 Item j的評(píng)分，m表示User數(shù)量，n表示Item數(shù)量。

（2）計(jì)算Item間相似矩陣

計(jì)算Item間的相似度的一種常用方法是計(jì)算余弦相似度，其公式如下：

其中 A,B分別代表兩個(gè) Item，sim(A,B)即為 A和B之間的相似度。Ai代表第i個(gè)用戶(hù)對(duì)A的評(píng)分，即 SiA；Bi代表第i個(gè)用戶(hù)對(duì)B的評(píng)分，即 SiB。

（3）產(chǎn)生推薦

依據(jù)相似度矩陣，根據(jù) Usera對(duì)目標(biāo)項(xiàng)的最近topN鄰項(xiàng)的評(píng)分，計(jì)算出該 Item b的推薦指數(shù)Pab。得到用戶(hù)對(duì)于項(xiàng)的預(yù)測(cè)推薦指數(shù)后，根據(jù)設(shè)定的閾值進(jìn)行篩選，得到最終的推薦集。值得注意的是，N參數(shù)的確定會(huì)影響推薦效果。推薦指數(shù)計(jì)算公式如下：

其中，b代表所要預(yù)測(cè)的目標(biāo)Item，in代表Item b的最近topN鄰居中的第i個(gè)Item，ianS 代表User a對(duì)Itemin的評(píng)分。

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)結(jié)果表明，相較于采用 FP-growth方法進(jìn)行課程推薦的學(xué)業(yè)預(yù)警系統(tǒng)[4]各指標(biāo)（如表 1），基于ItemCF的課程預(yù)警方法可以獲得更好的召回率、精確度、覆蓋率，分別如圖 1-4所示。其中，鄰居數(shù)選擇的范圍為 50-85，閾值分別為 0.09、0.095、0.098、0.1、0.102、0.105 和 0.11。

表1 采用FP-growth方法Tab.1 Adopting FP growth method

圖1 召回率Fig.1 Recall rate

圖2 精確度Fig.2 Accuracy

圖3 覆蓋率Fig.3 Coverage

4 結(jié)論

本文將基于Item的協(xié)同過(guò)濾（ItemCF）算法創(chuàng)新地運(yùn)用到大學(xué)生學(xué)業(yè)預(yù)警應(yīng)用場(chǎng)景中，利用課程間相似性來(lái)進(jìn)行預(yù)警課程的推薦。采用Spark對(duì)基于ItemCF的學(xué)業(yè)預(yù)警方法予以實(shí)現(xiàn)。實(shí)驗(yàn)表明，該方法具有良好的召回率、精確度，同時(shí)保持了高覆蓋率。

圖4 F-MeasureFig.4 F-Measure