高校新生社團推薦系統(tǒng)的開發(fā)及設計

張亮　趙娜

摘 要：高校學生的綜合素質是影響高校畢業(yè)生就業(yè)的一個關鍵因素，高校社團是素質教育的一個重要途徑，可以提高高校學生職業(yè)規(guī)劃意識和職業(yè)素養(yǎng)。如何讓新入學的高校新生選擇合適的社團，是本文需要研究解決的問題。從用戶的角度出發(fā)，推薦系統(tǒng)可有效地幫助用戶做出決策。本文把學生的相似度計算、K-中心點算法聚類分析以及招收指數(shù)結合在一起，最終得到社團的推薦排序值，并將其推薦給新生用戶。本系統(tǒng)能夠實現(xiàn)為新生推薦社團服務，具有一定的應用價值。

關鍵詞：推薦系統(tǒng)；相似度；聚類分析；PageRank

中圖分類號：TP311.52 文獻標識碼：A

1 引 言

高校畢業(yè)生就業(yè)難這個問題由來已久，其中一個主要原因是高校畢業(yè)生綜合能力較差，而高校社團是綜合素質培養(yǎng)的一個重要途徑。近年來，高校社團的數(shù)量和種類呈現(xiàn)快速增長的趨勢，如何讓高校新生選擇到合適的社團，信息化的高校社團推薦系統(tǒng)給出了這個問題的解決方案。

2 系統(tǒng)的構建

2.1 系統(tǒng)的軟硬件設計

推薦系統(tǒng)是基于.NET的三層架構體系，選用B/S模式進行架構，使用高性能PC作為服務器，采用Microsoft SQL Sever 2008企業(yè)版作為數(shù)據(jù)庫服務器，采用ADO做為數(shù)據(jù)訪問的基礎。Cluster[1-2]為網(wǎng)絡服務提供了靈活高效的軟件環(huán)境和硬件設施，為SQL Server提供了良好的性能擴展。

2.2 系統(tǒng)的整體架構

高校社團推薦系統(tǒng)就是根據(jù)特定的算法，以學生和社團的各項特征為基礎，建立學生和社團的二元關系，以二者之間的相似關系作為依據(jù)，為新生推薦合適的社團。下面是社團推薦系統(tǒng)實現(xiàn)的主要流程主：

1.構造學生數(shù)據(jù)庫（包括新生數(shù)據(jù)庫、老生數(shù)據(jù)庫）和社團數(shù)據(jù)庫；

2.依據(jù)新生數(shù)據(jù)庫和老生數(shù)據(jù)庫中的數(shù)據(jù)獲得新生和老生之間的相似度關系；

3.獲得社團數(shù)據(jù)庫中各社團之間的關系；

4.將2和3的結果相互結合，得到最終的排序權值；

5.對新生數(shù)據(jù)庫中的每個學生，社團數(shù)據(jù)庫中的社團按4得到的權值將排序后顯示給新生用戶。

社團推薦系統(tǒng)的框架結構圖如圖1所示。

3 核心算法

3.1 基于SimRank算法的相似度計算

為了挖掘新生和老生之間的相似關系，根據(jù)SimRank提供的“無向圖模型”，首先將學生數(shù)據(jù)庫中的“學生”與“特征”用一種二元關系來表示，如表1所示。接著將<學生，特征>的關系轉換成無向關聯(lián)圖模型。本文綜合考慮了專業(yè)、性別、特長、愛好、年級、級干、獲獎情況、計算機級別、英語級別等多項特征屬性，其中計算機級別與英語級別按照高考時成績劃分A（128<分數(shù)）、B（105<分數(shù)≤128）、C（分數(shù)≤105）三檔。

由上可以看出，一名新生與一家社團之間的相似度，需要考慮兩個方面，一是這名新生與加入這家社團的老生之間相似度，二是與這個老生類中所有加入這家社團老生的相似度，這樣可以避免噪音數(shù)據(jù)給結果帶來比較嚴重的影響，可以使結果更加合理。

3.4 基于PageRank算法的社團招收指數(shù)計算

事實上，某些社團招收社員時，會指定招收某類社員，而且多年來只招收這類社員。此時對于某一新生，再根據(jù)Sco得到的推薦社團，盡管排名靠前，確沒有任何意義。因此，在社團推薦系統(tǒng)設計過程中可以引入“招收指數(shù)”的概念，對于Sco值很高，但“招收指數(shù)”很低的社團，推薦時的排名不一定會靠前。

PageRank算法[9-10]的思想源于學術引文分析，它僅僅從頁面間鏈接結構出發(fā)，分析出頁面的重要程度。因此，可以認為將一家社團看做一個網(wǎng)頁，將基于社團特征屬性的相似關系看做網(wǎng)頁之間的鏈接，這樣就可以利用PageRank算法計算值得到社團的“PR值”，即所需要的“招收指數(shù)”。根據(jù)PageRank算法，社團“招收指數(shù)”的計算公式為：

其中d為阻尼系數(shù)，且0

3.5 最終排序權值的計算

根據(jù)前文得到的新生與社團之間的相似度Sco和社團的“招收指數(shù)”PR，通過下式計算得到最終排序權值W。

式中，W（i，w）表示社團w在新生i的推薦社團中的排序權值，PRmax 為所有社團PR值的最大值。

4 系統(tǒng)推薦顯示實例

一名新生在注冊登錄到本系統(tǒng)后，根據(jù)新生注冊的基本信息，按照上面所述的算法，系統(tǒng)將為新生推薦6家權值最高的社團，并直觀顯示在社團推薦的頁面中，新生只要點擊頁面中顯示的社團名稱，就可以獲得這家社團的招收社員的信息以及這家社團的簡介。

5 結束語

本文以高校新生社團選擇為研究課題，詳細介紹了設計高校新生社團推薦系統(tǒng)過程中的關鍵技術，從系統(tǒng)的使用測試來看，本系統(tǒng)基本滿足新生社團選擇的推薦要求，達到設計目的，但未加入就業(yè)方向等方面的信息。今后探索研究的方向是，如何將高校學生就業(yè)方向等信息與高校新生社團的選擇相結合，以便更好的提高高校學生綜合素質，減少高校畢業(yè)生就業(yè)難的成因。

參考文獻

[1] 魏茂林.Windows Server 2003網(wǎng)絡服務管理與使用[M].北京：電子工業(yè)出版社，2007.

[2] 張志友.計算機集群技術概述[J].實驗室研究與探索，2006，25（5）：607-609.

[3] Glen Jeh，Jennifer Widom.SimRank：A Measure of StructuralContext Similarity[J].Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining.New York：ACM，2002：538-543.

[4] 田玲，曾濤.基于SimRank的中藥“效-效”相似關系挖掘[J].計算機工程，2008，34（12）：242-244.

[5] 劉萍，黃純?nèi)f.基于SimRank的作者相似度計算[J].情報理論與實踐，2015，38（06）：109-114.

[6] 劉玉華，陳建國，張春燕.基于數(shù)據(jù)挖掘的國內(nèi)大學生就業(yè)信息雙向推薦系統(tǒng)[J].沈陽大學學報：自然科學版，2015，27（03）：226-232.

[7] BOUTSIDIS C，MAGDONISMAIL M.Deterministic Feature Selection for KMeans Clustering[J].IEEE Transation on Information Theory，2013，59（09）：6099-6110.

[8] 呂小剛.基于Kmeans文本聚類算法研究[J].電腦編程技巧與維護，2014，（24）：33-35.

[9] 吳迪.高校畢業(yè)生就業(yè)推薦系統(tǒng)的設計與開發(fā)[D].大連：大連理工大學，2010：29-33.

[10]徐鍵.基于PageRank的科技論文推薦系統(tǒng)[J].電子世界，2013，（01）：103-105.