一種基于信息推薦技術的高校學生興趣小組預測模型

陳伯倫

（淮陰工學院，江蘇 淮安 223003）

0 引言

高校是培養人才的搖籃，如何提升學生的個性化發展相當重要。但是目前學生從高中畢業進入大學后，難免會出現一些彷徨以及對新事物的不適應，因此如何在大學生活初期能夠讓學生有一種良好的歸屬感，融入新的團體中值得教師去研究，另外興趣小組的構建對學生未來創新創業也提供了強硬的基礎支撐[1，2]。

信息推薦技術能夠根據學生的不同興趣，提供差異化、個性化和精準化的學習服務。本文將復雜網絡中的信息推薦技術運用在學生的興趣小組學習中，將學生在校園生活中的各項數據構建成多關系網絡，以此推動高校計算機教學的課程改革。

1 社交網絡推薦系統的概念與意義

在社交網絡的傳播機制中，如何合理的利用不同的信息顯得十分重要。而推薦系統作為社交網絡中的研究熱點之一，引起了大眾的廣泛關注[3-7]。目前，對于推薦系統的研究大多都是基于節點之間是單層鏈接的網絡，而在真實的網絡環境中，不同的社交網絡都展現出了自己獨特的性質。例如，在高校學生數據網絡中，學生之間可能存在共同愛好、合作等多種關系[8]，另外存在著學生食堂消費記錄、圖書館書籍借閱等多層信息。將這些由多種關系類型的鏈接構成的單個網絡稱為層網絡或者多關系網絡[9]，網絡中各種關系類型之間相輔相成。

一些研究人員還提出了一些基于關聯挖掘的相關算法，他們假設節點層與層之間的相互影響關系是固定不變的并對稱的，然而在大學生校內生活中，假設的這些條件并不合理。例如，某同學平時經常借計算機專業課的書，是否就能確定該同學對計算機專業課的課程一直就比較感興趣呢，筆者認為該同學的興趣可能會隨著時間逐漸地變化。雖然目前部分研究人員在推薦系統中考慮了時序信息，但他們都忽略了不同節點對信息傳播受益者的重要性具有差異，節點的可信度以及如何對節點之間的信任度進行度量。另外如何利用節點之間的聯系，從而更準確地識別節點的個人興趣，來進行推薦模型的設計顯得至關重要。

2 高校學生興趣小組預測模型的構建

隨著高校中各種社會媒介的發展，學生在網絡上留存了各式各樣的數據痕跡，根據獲取的相關的數據進行行為、興趣等預測推薦的形式也越來越多。社交網絡中預測推薦問題近年來已經有了很多的研究成果，并且在眾多預測推薦方法中，協同過濾是應用最多的算法。有效利用學生或者消費產品之間的聯系可以豐富學生的信息，從而更準確地識別學生的個人興趣。因此，將針對多關系網絡進行預測模型的設計，用于對學生選擇興趣小組的過程中起到輔助作用。

在學生興趣小組模型構建過程中，首先需要設計多關系網絡按照時序信息相融合的方案。假設學生在校購物、圖書館節點等環節中學生之間存在著m 種關系，在第t 天學生之間的關系矩陣分別為At1，...，Atm，學生之間第r 種關系在各個時間段里面的關系矩陣依次為：A1r，...，Atr。

學生之間的相關性隨著時間的推移有變化的趨勢，針對各個時間段內學生之間不同類別的關系矩陣，不應該同等地看待。因此，通常有兩種方法來衡量時間因素對網絡鏈接的影響。一種是通過定義一個時間衰減系數ρ∈（0，1），使得關系矩陣中的每一個元素都被賦予一個系數，在T 時刻，第r 種關系矩陣Atr中元素的需要乘以一個系數ρT-t。從中可以看出，隨著時間的增長，時間越久遠的學生之間的鏈接所起的作用越小，最近時間段內形成的鏈接對節點有較高的影響。那么到T 時刻，第r 種關系的矩陣為：ATr=ATr+ρArT-1+…+ρT-1A1r。另外一種方法是通過設置滑動窗口來控制不同時間段內節點之間的關系的。我們假設滑動窗口的大小為L，設當前時間為T，那么在鏈接動態變化的過程中我們只需要考慮數據流中最新的L 個鏈接矩陣，即只需要考慮集合{ArT-L+1，…，ATr}。通過滑動窗口計算鏈接矩陣時，擬通過挖掘流數據中的頻繁模式，得到反映此類關系隨著時間變化的矩陣。因此，需要設置一個閾值ε∈（0，1）和正整數k∈（1，L），找出{ArT-L+1，…，ATr}中所有支持度大于ε·L 的K 階頻繁子矩陣。設該K 階頻繁子矩陣的集合為STr，其中對應著矩陣的橫縱坐標集合分別為X（A）和Y（A）。因此，可以得出。通過上述兩種方法，都可以獲得不同類型鏈接下的關系矩陣ATr。

接下來，需要對m 種不同類型的鏈接關系建立統一的模型，進行如圖1 所示的工作。

圖1 多關系網絡建模示例圖

在多關系網絡中，對學生之間的關系進行融合時，需要考慮各類關系層對其不同的影響力。對學生有較大影響的關系層，擬增加這類鏈接的權重。反之，對學生有較小影響的關系層，擬減小這類鏈接的權重。需要計算出學生u 和第r 類關系層的相關度。設Гr（u）為學生u 在第r 類關系層中的鄰居節點集合，dkr（u）為學生u 在第r 類關系層中k 介鄰居節點的個數，其中k 可取1、2 等。記cr（u，v）為頂點u 和v 在第r 類關系層中的相關性，可以使用學生對在不同類型中鏈接的條數或者其余拓撲屬性進行度量，c（u，v）為頂點u 和v 在所有關系層中的相關性值的和，即：c（u，v）=因此擬定義Rr（u）為節點u 與第r 類關系層的相關度，公式如下所示：

同樣，可以得出頂點v 與第r 類關系層的相關度Rr（v）。在對學生（u，v）進行鏈接融合時，他們在第r 類關系層上的權重計算公式如下所示：

通過公式可以看出，Rr（u）+Rr（v）的值越大，那么第r 類關系層對節點對（u，v）賦予較大的權重。因此，可以得到所有學生之間的相關性，公式如下所示：

因此最后可以根據A（u，v）來構建學生之間的相似度矩陣，得出哪些學生之前存在著相同的興趣，并對興趣小組的選擇具有指導性作用。

本文構建的學生興趣小組預測系統示意圖如圖2所示。

圖2 學生興趣小組預測示例圖

3 總結與展望

高校學生興趣小組的構建在提高學生社團建設水平和學生培養過程中有指導性作用，本文將復雜網絡中的信息推薦技術運用在學生的興趣小組推薦中，將學生在校園生活中的各項數據構建成多關系網絡，考慮學生圖書借閱、飲食習慣數據等多層次關系構成全新的多關系網絡的預測模型，該預測模型能夠促進高校開展的科技活動更具特色和凝聚力。