教育平台的线上课程智能推荐策略

2019-12-17姜喜春

赢未来 2019年34期

姜喜春

黑河学院理学院，黑龙江黑河 164300

随着科学技术的不断发展，互联网时代的悄然来临，网络已深入千家万户。网络不仅在医疗、交通和网络产品的销售方面给予一定程度上的帮助，对于教育课程的发展也有着可喜的成就。用户可以根据个人兴趣通过不同的在线教育平台学习网络课程，这不仅改变用户传统的学习形式，而且使用户的学习课程的方式更具个性化，进一步体现了“互联网+教育”的具体实现。

1 教育平台数据基本分析

1.1 平台用户活跃度分析

贵州省使用平台的用户最多为18786人，其次是河南省的用户数为18550人，使用平台用户最少的是澳门为171人。因此线上课程管理可以针对贵州省和河南省的用户发放更多的课程和优质资源。

1.2 平台用户活跃时间分析

大多数学生是在早上八九点钟登录次数最多，此时正是大多数学生开始上课时间段符合常理；到十一二点时登录用户明显减少，中午时间为午休时间人数减少也符合常理；到达下午两点多时用户逐渐增多直到下午五六点钟人数开始减少，同样晚上登陆人数逐渐减少可知该数据基本符合学生的正常规律。

同样的通过绘制非工作日用户登录次数我们可以发现在白天登录的人数较为均匀但并不如工作日登录次数多，但是晚上登录人次较于工作日相对较多。

1.3 平台用户流失率分析

1．3．1 流失率定义

用户对平台的使用存在主观性，为更准确的对平台用户活跃度进行分析，需要对平台用户的流失情况进行分析，流失率定义如下：记false为数据观察窗口截止时间，false表示用户false的最近访问时间，false，若false天，则称用户false为流失用户。

1．3．2 平台用户流失率

将时间转化为时间戳，用户的最近访问时间时间戳与数据观察窗口截止时间的时间戳相减，最终将得到的时间戳转化为天数。利用Excel高级筛选，天数大于90天，将流失用户筛选出来，根据定义再次计算用户的流失率。可以得出该平台的流失用户数为13910，由于筛选后的用户总数为29397，因此将流失用户与总用户数据作比，从而得出用户流失率为47．3%。

2 线上课程推荐

2.1 平台受欢迎程度

根据用户在该平台学习的记录和每门课程参与学习的用户人数可以计算出该平台受欢迎的程度，进而将受欢迎程度定义为：false其中，false代表第false门课程的受欢迎程度，false表示参与第false门课程学习的人数，false和false分别为所有课程中参与人数最多和最少的课程所对应的人数。

2.2 协同过滤算法相似度分析

协同过滤（Collablrative Filtering，简称CF），协同过滤共包括三种算法，第一种是基于用户的协同过滤，主要通过观测用户之间的相似程度，并找到相似用户之间喜欢的商品，在此基础上，我们就可以对第二种是基于项目的协同过滤，第三种是基于模型的协同过滤算法，可以通过评分构建学习模型。协同过滤算法的原理应用打分矩阵和统计信息计算两个用户和两个项目之间的相似度，并通过计算得到的相似度进行排序，得到相应的推荐结果。以下公式代表基于物品的协同过滤，false。

在进行用户关系评价时，欧几里德距离被认为是一种较为简单的评价方法。欧几里德的原理主要以人们有相同评价的商品为坐标轴，选取参与评价的人数，并将参与评价的人绘制到相应的坐标系上，然后计算参与评价的人两两之间的距离，最后通过计算不同用户彼此之间在散点图上的距离大小，进而判断不同用户是否具有相同的偏好。其中，通过欧几里德方法方法计算出的距离是一个大于0的数，为了使其更能有效的代表用户之间的相似度，将此距离规约在false之间，欧几里德距离的计算公式如下：false。