基于智慧校园的智能推荐系统的应用研究

黄有福 黄佩珊 朱洁梅

DOI：10.19850/j.cnki.2096-4706.2021.08.043

摘  要：在大数据时代，智慧校园应用广泛，各类信息日益丰富，纵横交错，但用户又面临着信息过载，无从选择的问题。用户获取信息主要是被动获取，需要自行去翻阅信息，或是订阅相关的内容，所获取的信息大多數并非用户所需要的。智能推荐系统对当前智能推荐的主要方式以及推荐算法进行了研究，通过对系统的设计与分析，运用H5技术中的WebSocket技术实现了管理平台和移动客户端应用程序，给用户带来了便捷、精准获取信息的服务体验。

关键词：信息推送;智能推荐;推荐系统;个性化;智慧校园

中图分类号：TP391.3      文献标识码：A 文章编号：2096-4706（2021）08-0153-03

Application Research of Intelligent Recommendation System Based on Wisdom Campus

HUANG Youfu，HUANG Peishan，ZHU Jiemei

（Guangzhou Panyu Polytechnic，Guangzhou  511483，China）

Abstract：In the era of big data，wisdom campus is widely used. All kinds of information are increasingly rich and crisscross，but users are faced with the problem of information overload and have no choice. Users obtain information mainly at a passive mode. They need to browse information by themselves or subscribe to relevant content. Most of the information obtained is not what users need. The intelligent recommendation system studies the main methods of the current intelligent recommendation and recommendation algorithms. Through the design and analysis of the system，the management platform and mobile client application are realized by using WebSocket technology in H5 technology. Which bring users the service experience of convenience and accurate obtaining information.

Keywords：information push;intelligent recommendation;recommendation system;personalized;wisdom campus

0  引  言

随着计算机技术的快速发展，移动互联网应用已进入日常生活的方方面面，深刻地影响着我们的生活与学习。在信息大爆炸的时代，每天我们所获取的信息可达几十条、上百条、甚至上千条，特别是电子商务、新闻广告信息、群聊、视频短片等，我们的手机在不断地被动接收，况且这些信息很多都是垃圾信息，严重地影响着我们的日常生活。但我们每天都在搜索所需要的信息，通过各种方式想获得我们所关心和需要的各类新闻信息、学习资料、娱乐资讯、电子商务信息等。在智慧校园的建设中，教育信息化的重要内容之一就是了解用户所需要的信息，向有需要的用户推送信息，增加用户的黏性，这就需要我们能够使用智能推送的方式，将推送信息与用户进行科学匹配，从海量的信息资源中，提取重要的、与用户密切相关的信息，主动地推送到用户手机中，从而提升用户便捷、精准获取信息与服务体验。

1  智能推荐的主要方式

智能推荐系统是从业务需求出发，在确保信息的准确性、安全性的前提下，及时将有价值的信息推送给目标用户，让目标用户能快捷、有效地获取自己想要的信息。目前，主要的信息推送工具是即时通信工具，最常见的是短信推送，信息发起者通过手机短信平台向目标用户发送短信信息。此外，还有以下几种方式：

（1）消息线上推送。用户需要安装相关的APP，才可以接收线上推送服务。

（2）微信模板推送。用户只需要在微信朋友圈中分享相关的信息。

（3）Websocket推送方式。WebSocket是HTML5提供的一种在单个TCP连接上进行全双工通信的协议，客户端和服务端只需要建立连接就可以互相发送消息。

2  智能推荐算法研究

本文分别对协同过滤算法、基于内容的推荐算法、基于标签的推荐算法和基于关联规则的推荐算法进行了研究：

（1）基于内容的推荐是基于项目的内容信息进行推荐，不是根据用户对项目的评论，而是需要使用机器学习的方法从内容的特征描述中获取用户的兴趣信息。在推荐系统的实现过程中，我们将学校的教师和学生作为用户对象，通过相关特征的属性对其进行定义。系统根据用户对象的特征，学习用户的兴趣，分析用户信息与要预测的项目的匹配程度。在构建用户模型时，主要采用决策树、神经网络和基于矢量的表示方法。推荐的用户信息根据用户数据内容、用户历史数据、用户数据模型等不同情况进行分析，并根据实际情况随用户偏好的变化而变化。

（2）协同过滤推荐技术是推荐系统中常用的推荐算法，它主要采用最近邻算法，用户的历史偏好信息是用来计算用户之间的距离，然后使用的目标用户的最近邻居用户的学习需要和信息需求的加权值来预测目标用户对特定信息的偏好，提出建议用户基于此首选项。协同过滤的最大优点是对推荐对象没有特殊要求，可以处理复杂的非结构化对象，如书籍和课程信息。

（3）基于关联规则的推荐是将获取的信息作为规则头，规则体作为推荐对象。关联规则挖掘可以在获取过程中发现不同用户信息需求之间的相关性。在学校的信息推送中，主要会考虑到师生用户使用信息的关联性，例如按学生所学的专业给学生推荐相同或相近专业的图书信息，从参加的社团活动，了解他的兴趣爱好，给他们推荐相关的社会消息，相关的指引等，这样让学生能快捷地获取所需的资料，节省查找的时间。

（4）基于标签的推荐算法。根据推荐标签一般分为两种，一种是通过给予用户一些特性标签，另一种是让用户自己去设置信息标签，利用用户对所设置的信息标签为用户提供推荐信息，当用户调用信息标签时，会为所推荐的信息提供适当的标签。用户使用标签来描述自己对推荐信息的看法，标签是反映用户兴趣的重要数据源。一个用户行为的数据集通常用一个三元组来表示，其中记录{u， I， b}表示用户u已经用标签b标记了推荐的I（当然，在现实中会有用户属性、信息属性等，这比较复杂）。

3  智能推荐系统的设计与分析

为了方便获取用户信息，本系统使用企业微信或企业微信号进行实现，这主要有几个重要原因，一是减少开发系统APP，一般使用APP进行的推荐，需要用户安装新的APP，这不仅增加开发成本，对用户来说，也需要安装新的客户端。目前很多手机都具有屏蔽短信的功能，若使用短信推荐，用户可能会误以为是垃圾短信，而且短信的数量增多，会给用户带来困扰，影响用户体验。因此，本课题主要使用企业微信作为基础平台。

3.1  智能推荐系统分析

对于用户信息的推送，需要考虑用户的生活习惯，使用对象主要是师生用户，因而需要对用户的作息时间做一些调整，尽量避开用户休息时间，减少对用户的影响及对生活的干扰，做到精准推送，在本课题的中，还需要对用户的定位信息，接收信息的习惯，应用的活跃度等方面综合考虑，从而得出用户的使用模型，对不同的用户群，建立相应的用户模型，从用户模型中建立用户组，对不同的用户群推送不同的内容，目前主流的消息推送基本都会使用第三方的推送来进行，第一方便，第二节省成本，第三避免不需要的人员开支以及设备维护。因此，推荐系统一般会以用户的兴趣需求信息及用户的特征为模型，结合数据的特征信息，使用相应的推荐算法进行匹配、计算机筛选，把相应的信息推荐给用户。系统模型如图1所示。

3.2  功能结构设计

推荐系统是一个全流程的推荐服务，目前采用基于企业微信的服务应用，减少客户端的开发，通过企业微信获取用户的行为。为业务数据、日志信息及第三方的数据源，利用深度学习和语义模型构建推荐引擎，为师生用户推荐有价值、个性化的信息及内容，推荐的结果可利用数据分析模型多指标、多维度进行实时分析，做到精准推荐，然后进行归类、汇聚，形成快速反馈，精准迭代特征集和算法模型。全流程关系如图2所示。

从图中可以看出，推荐系统模型主要包含四个方面，数据源、数据建模、数据分析和数据应用。数据源主要是终端应用，包括企业微信、应用小程序等，数据的分析与建模，包含兴趣分析、语义分析和深度学习等，数据分析主要包括多指标的数据及日志，多难度的信息源和信息类别。

4  推荐系统的实现

本文介绍的推荐系统有三个重要模块：用户建模模块、推荐对象建模模块、推荐算法模块。从学校共享大型数据中心入手，分析了用户的特点，根据用户的关键信息，分析了用户的潜在需求信息，建立了用户模型，进而提出了匹配特征信息的用户模型和对象模型，并利用相应的计算和筛选推荐算法，找到用户可能感兴趣的内容，并将感兴趣的相关信息推荐给教师和学生。下文以基于企业微信的用户推荐系统为例，阐述基本企业微信的推荐系统的实现。

基于企业微信的推荐系统需要通过企业微信的官方认证管理，主要有以下几个步骤：

（1）通过企业微信的API获取access_token。access_token由corpid和secret产生，是企业后台去企业微信的后台获取信息时的重要票据。

（2）根据企业微信的通讯录，判断用户是否存在于该企业中;用户可以进入微信，用户从“设置”是否接收“新消息提醒”和“接收新消息通知”。用户确认是否接收企业微信的信息推送。

（3）通过用户的信息请求。在这个过程中，企业微信的管理人员一般都会对所有的用户进行分类管理或是群组管理，企业微信能够为第三方应用提供标准的接口，第三方应用利用API接口完成信息的推送服務，将需要发送的信息直接发送到微信的后台管理，从后台管理中直接推送给已订阅信息的用户。企业微信支持第三方应用发送消息，提供了消息推送、发送应用消息的API接口，该接口支持发送文本、图片、语音、视频、图文和卡片等消息类型基本能满足各类信息的推送需求。

5  智慧校园推荐系统使用效果

推荐系统的实现与使用，为用户以及系统管理员带来了很多便利，首先，降低了信息推送的成本，系统以企业微信为推荐平台，用户不需要开发新的客户端APP，在企业微信的平台上，对接口进行处理，以及对接学校的数据中心，实现统一的身份认证就可以完成整个系统的对接，节省了信息的推送成本。其次为了推荐系统后期的使用管理与维护，企业微信有标准的接口及相应的对接文档，管理与维护相对方便，同时与数据中心进行对接，用户的信息便可以实现与数据中心的用户进行同步，对于管理者来说，这样能减少用户对用户库的维护。本系统在使用的过程中，得到了广泛的应用与推广，目前在学校的企业微信平台上，已对接近10个业务系统的信息提醒功能，完成对接业务系统的待办以及办事进度消息推送。

6  结  论

本文从当前常用的推荐技术与算法出发，对基于企业微信、小程序、H5等接入方式的推荐系统进行分析，选择以企业微信为接入口，依托学校智慧校园建设的共享数据中心，对师生用户的基本信息，用户特征等进行分析与研究，得出各类用户的用户特征及用户需求，以数学建模的方式，构建了用户模型，然后分析了目前使用的方法，主要分析了基于内容的推荐技术，然后阐述了基于关联规则的协同过滤推荐技术以及基于关联规则的推荐算法，而基于标签算法的推荐也是系统采用的推荐算法，最后通过系统分析和设计，完成企业微信推荐系统的设计，通过结合用户的个性化需求与智能校园大数据中心，可以将用户从海量的信息资源中解放出来，改善用户体验，让用户能够方便准确地获取信息。

参考文献：

[1] 黄有福，黄佩珊.基于企业微信的信息推荐系统的设计与实现 [J].信息与电脑（理论版），2020，32（23）：84-85.

[2] 曹小平，陈印.基于移动终端的消息推送模式研究 [J].电子技术与软件工程，2019（5）：16.

[3] 姜翔.消息推送技术研究与未来展望 [J].电信网技术，2018（4）：73-75.

[4] 王培培.基于用户特征的个性化推送算法研究 [D].济南：山东师范大学，2018.

[5] 韦筱泉，马长峰，玉易.一种后台程序向企业微信主动发送消息的方法 [J].视听，2018（4）：32-34.

[6] 金毛玉，张洁，刘凯.智能推送技术在在线学习平台中的应用 [J].现代信息科技，2020，4（23）：141-143.

[7] 李姣燕，刘潇.基于微信公众号个性化新闻推送平台设计与实现 [J]，電脑知识与技术，2019，15（36）：15-17.

作者简介：黄有福（1984.11—），男，汉族，广东湛江人，信息系统项目管理师，硕士，研究方向：移动开发，大数据;黄佩珊（1983.11—），女，汉族，广东顺德人，助理研究员，本科，研究方向：高职课程研究;朱洁梅（1987.11—），女，汉族，广东广州人，实习研究员，本科，研究方向：教育技术，高教研究。

收稿日期：2021-03-24

基金项目：广州番禺职业技术学院2018年科技类科研项目（2018kj013）;广东省教育厅2020年度特色创新科研项目（2020KTSCX281）