基于高效流形排序算法的課程相似度計(jì)算的研究.pdf

1、課程相似度計(jì)算指的是定量地計(jì)算兩門課程所包含知識(shí)點(diǎn)的交叉程度。在很多情況下，我們希望了解兩個(gè)專業(yè)間的相似程度，例如新生入學(xué)選擇專業(yè)時(shí)，大學(xué)生跨專業(yè)考研時(shí)，以及畢業(yè)生選擇就業(yè)方向時(shí)等等。而專業(yè)相似度的一個(gè)非常重要的衡量指標(biāo)就是兩個(gè)專業(yè)課表的關(guān)聯(lián)程度。因此，課程相似度計(jì)算作為專業(yè)相似度計(jì)算的關(guān)鍵環(huán)節(jié)，具有重要的研究意義。知識(shí)點(diǎn)作為漢語，其本質(zhì)上的一詞多義性和多詞一義性成為影響課程相似度計(jì)算結(jié)果準(zhǔn)確性的最大難點(diǎn)。
　　現(xiàn)有的課程相似度計(jì)

2、算方法主要基于傳統(tǒng)的文本挖掘方法，比如潛在語義索引(LSI)和TFIDF方法。由于這些方法僅僅通過計(jì)算兩門課程特征向量間的直接距離衡量之間的相似性，因而忽略了整個(gè)課程集上潛在的語義聯(lián)系。在本文中，我們提出了一種新穎的課程相似度計(jì)算方法—基于高效流形排序算法(EMR)的課程相似度計(jì)算方法。該方法通過計(jì)算兩門課程在整個(gè)課程集固有的流形結(jié)構(gòu)上的關(guān)聯(lián)關(guān)系來衡量其相似度，因而促進(jìn)了課程樣本間語義聯(lián)系的充分挖掘。
　　本文提出的課程相似度計(jì)算

3、方法主要分為三個(gè)步驟。首先，對(duì)課程數(shù)據(jù)集中的課程樣本進(jìn)行預(yù)處理。即應(yīng)用中文分詞算法對(duì)數(shù)據(jù)集中每一門課程樣本的課程名和課程內(nèi)容進(jìn)行分詞處理，提取出能夠描述每門課程特征的索引項(xiàng)集合。第二步，數(shù)據(jù)建模，即構(gòu)建整個(gè)課程數(shù)據(jù)集上TFIDF加權(quán)的向量空間模型VSM。該步驟分為三個(gè)過程實(shí)現(xiàn):首先，確定向量空間模型VSM的m維索引。然后，計(jì)算每門課程在m維索引上TFIDF加權(quán)的特征向量。最后，構(gòu)建整個(gè)課程數(shù)據(jù)集上的向量空間模型VSM。第三步，使用EMR