【摘要】：本文對大學(xué)生學(xué)習(xí)行為分析進(jìn)行了大量的研究,基于大學(xué)生上網(wǎng)數(shù)據(jù),提出網(wǎng)站對專業(yè)學(xué)習(xí)貢獻(xiàn)度的概念,并給出計算方法,在此基礎(chǔ)上構(gòu)建大學(xué)生學(xué)習(xí)行為分析模型,并實現(xiàn)學(xué)業(yè)預(yù)警系統(tǒng),在高校學(xué)分制全面實行的背景下,該系統(tǒng)能夠及時提醒大學(xué)生保持良好的學(xué)習(xí)狀態(tài),幫助大學(xué)生順利畢業(yè)。主要研究內(nèi)容如下:(1)提出網(wǎng)站對專業(yè)學(xué)習(xí)貢獻(xiàn)度的概念,并給出計算方法。首先,本文結(jié)合培養(yǎng)方案中的課程體系初步建立專業(yè)詞庫,并利用語言模型算法對專業(yè)詞庫進(jìn)行擴(kuò)展;其次,利用多種技術(shù)獲取并處理大學(xué)生的上網(wǎng)內(nèi)容,將這些內(nèi)容用特征詞表示;最后,提出基于關(guān)鍵詞匹配的網(wǎng)站貢獻(xiàn)度算法(WCDA-KM),用于計算網(wǎng)站貢獻(xiàn)度,大學(xué)生上網(wǎng)內(nèi)容與所學(xué)專業(yè)相關(guān)度越高,則網(wǎng)站貢獻(xiàn)度越高,從而獲取大學(xué)生的上網(wǎng)動機(jī),了解大學(xué)生的學(xué)習(xí)狀態(tài)。(2)研究上網(wǎng)數(shù)據(jù)中影響大學(xué)生成績的關(guān)鍵屬性,并針對關(guān)鍵屬性確定動態(tài)預(yù)警規(guī)則。本文利用改進(jìn)后的樸素貝葉斯算法(NB)對大學(xué)生上網(wǎng)數(shù)據(jù)和成績數(shù)據(jù)進(jìn)行分析。由于上網(wǎng)數(shù)據(jù)中屬性之間并不獨(dú)立,無法滿足NB算法的類條件獨(dú)立性假設(shè),本文對NB算法進(jìn)行改進(jìn),通過引入特征加權(quán)思想,利用改進(jìn)的花授粉算法(IFPA)搜索全局最優(yōu)屬性權(quán)值,提出基于改進(jìn)的花授粉算法的樸素貝葉斯分類器算法(NBC-IFPA)。利用NBC-IFPA算法對上網(wǎng)數(shù)據(jù)和成績數(shù)據(jù)進(jìn)行分析,得到的權(quán)值用于確定影響大學(xué)生成績的關(guān)鍵屬性,并針對關(guān)鍵屬性確定動態(tài)預(yù)警規(guī)則,用于系統(tǒng)實現(xiàn)。(3)實現(xiàn)學(xué)業(yè)預(yù)警系統(tǒng)。以網(wǎng)站貢獻(xiàn)度為基礎(chǔ),實現(xiàn)學(xué)業(yè)預(yù)警系統(tǒng),包括動態(tài)預(yù)警和靜態(tài)預(yù)警。動態(tài)預(yù)警依據(jù)動態(tài)預(yù)警規(guī)則,對大學(xué)生的學(xué)習(xí)狀態(tài)進(jìn)行動態(tài)跟蹤,對符合預(yù)警規(guī)則的大學(xué)生進(jìn)行預(yù)警;靜態(tài)預(yù)警通過對教務(wù)數(shù)據(jù)的深入分析,結(jié)合學(xué)業(yè)管理制度,確定學(xué)業(yè)預(yù)警規(guī)則,對偏離正常學(xué)習(xí)狀態(tài)的學(xué)生及時給予警示與幫助。
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：G434;TP391.1
【圖文】：

圖 3-2 軟件工程專業(yè)詞庫截圖為了適應(yīng)時代的發(fā)展，培養(yǎng)計劃和課程體系結(jié)構(gòu)會不斷地更新，新的專業(yè)名詞也會不斷出現(xiàn)，對于這些新名詞需要及時添加到專業(yè)詞庫中，從而不斷完善專業(yè)詞庫。3.2.2 基于語言模型算法的專業(yè)詞庫擴(kuò)展由于培養(yǎng)計劃里的課程名無法涵蓋該專業(yè)的全部內(nèi)容，所以需要對初步建立的專業(yè)詞庫進(jìn)行擴(kuò)展。文獻(xiàn)[60]在基于局部分析的詞擴(kuò)展方法基礎(chǔ)上，設(shè)計和實現(xiàn)了一種基于語言模型的擴(kuò)展詞提取算法，該算法準(zhǔn)確率較高，且操作簡單。所以本文使用語言模型算法來對專業(yè)詞庫進(jìn)行擴(kuò)展。該算法的基本思想為：首先，選取若干相關(guān)文檔，計算出每篇文檔的一元語言模型，即計算出每篇文檔所包含的各個詞項對應(yīng)的概率；然后，將各個文檔的詞項合并，將相同詞項的概率求和作為該詞項在整個文檔集的概率；最后，選取概率最大的前若干詞項作為擴(kuò)展詞。具體處理流程如下：

上網(wǎng)內(nèi)容獲取與處理據(jù)采集大學(xué)生的上網(wǎng)數(shù)據(jù)為研究對象，數(shù)據(jù)來源于常熟理工學(xué)院。從本校大學(xué)生的上網(wǎng)日志數(shù)據(jù)。提取的數(shù)據(jù)格式為 ONLINE_SER_IP，源端口號 SRC_PORT，目的 IP 地址 DST_IP，T，協(xié)議版本 IP_VERSION，操作類型 HTTP_TYPE…)，總共數(shù)據(jù)中不包含大學(xué)生學(xué)號信息，本文利用校園信息門戶網(wǎng)站，并與上網(wǎng)日志中 IP 地址一一對應(yīng)，將上網(wǎng)數(shù)據(jù)與上網(wǎng)學(xué)上網(wǎng)日志數(shù)據(jù)中抽取出關(guān)鍵字段，創(chuàng)建表 STU_SURF(學(xué)號 IP，訪問網(wǎng)址HTTP_URL，上網(wǎng)時長SECONDS，上線時間RELUX，網(wǎng)站類型 APP)。以學(xué)號為 092217101 的學(xué)生為例，查使用如圖 3-3 中的 SQL 語句。

圖 3-4 部分查詢結(jié)果截圖在獲得大學(xué)生的上網(wǎng)數(shù)據(jù)后，利用表 STU_SURF 中“HTTP_URL”字段便學(xué)生的訪問網(wǎng)址，利用爬蟲技術(shù)爬取網(wǎng)頁文本內(nèi)容，本文使用 Scrapy 爬蟲框.2 爬蟲本文使用 Scrapy 爬蟲框架爬取大學(xué)生訪問內(nèi)容。Scrapy 是利用 Python 語言絡(luò)爬蟲框架，作為爬蟲框架，它使得爬蟲的設(shè)計和工作變得快速簡單，同時的擴(kuò)展性和魯棒性[61]。所以 Scrapy 在爬蟲設(shè)計中使用廣泛，也符合本文所蟲特性，因此本文使用 Scrapy 來完成網(wǎng)頁爬取工作。下圖3-5概括了Scrapy的整體架構(gòu)，一共由8個部分組成，主要包括了以下組

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣卓軒;張巖;李曉明;;基于MOOC數(shù)據(jù)的學(xué)習(xí)行為分析與預(yù)測[J];計算機(jī)研究與發(fā)展;2015年03期

2 趙永超;姚曉霞;;高校機(jī)構(gòu)知識庫建設(shè)現(xiàn)狀與未來[J];中國教育網(wǎng)絡(luò);2014年07期

3 舒忠梅;屈瓊斐;;基于教育數(shù)據(jù)挖掘的大學(xué)生學(xué)習(xí)成果分析[J];東北大學(xué)學(xué)報(社會科學(xué)版);2014年03期

4 連陽陽;任淑霞;;一種基于離散粒子群優(yōu)化的貝葉斯分類算法[J];科技信息;2014年04期

5 陳益均;殷莉;;基于數(shù)據(jù)挖掘的學(xué)生成績影響模型的研究[J];現(xiàn)代教育技術(shù);2013年01期

6 孟小峰;慈祥;;大數(shù)據(jù)管理:概念、技術(shù)與挑戰(zhàn)[J];計算機(jī)研究與發(fā)展;2013年01期

7 周圍;;論積極取向道德教育視域中的品德形成機(jī)制[J];教育學(xué)術(shù)月刊;2012年09期

8 張步良;;基于分類概率加權(quán)的樸素貝葉斯分類方法[J];重慶理工大學(xué)學(xué)報(自然科學(xué));2012年07期

9 王家勝;牟肖光;;讀者借閱多維關(guān)聯(lián)規(guī)則挖掘模型的建立與分析[J];計算機(jī)應(yīng)用;2011年11期

10 奉國和;鄭偉;;國內(nèi)中文自動分詞技術(shù)研究綜述[J];圖書情報工作;2011年02期

相關(guān)博士學(xué)位論文 前1條

1 蔣良孝;樸素貝葉斯分類器及其改進(jìn)算法研究[D];中國地質(zhì)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前6條

1 安子建;基于Scrapy框架的網(wǎng)絡(luò)爬蟲實現(xiàn)與數(shù)據(jù)抓取分析[D];吉林大學(xué);2017年

2 楊志忠;基于Hadoop的網(wǎng)絡(luò)用戶行為分析[D];蘭州理工大學(xué);2016年

3 劉敏;面向SPOC數(shù)據(jù)的學(xué)習(xí)行為分析[D];華中師范大學(xué);2015年

4 周念;面向用戶定制的文本過濾技術(shù)研究及其應(yīng)用[D];北京郵電大學(xué);2014年

5 張佳;數(shù)據(jù)挖掘技術(shù)在校園一卡通系統(tǒng)中的應(yīng)用研究[D];蘇州大學(xué);2013年

6 張保華;數(shù)據(jù)挖掘技術(shù)的研究及在圖書借閱系統(tǒng)中的應(yīng)用[D];南京理工大學(xué);2008年

本文編號：2779542