基于协同推荐模型的导师研究生双向选择系统

黄宏涛 骆玉璞 彭利园 李冰 陈冲冲

摘要：在传统模式下，导师和研究生之间很难在短时间内进行快速、合理的双向选择。研究基于协同推荐模型的导师研究生双向选择系统，将双选进程网络化，采用协同推荐模型对用户进行推荐，构建用户兴趣模型，向用户推荐可能感兴趣的对象。实验证明，该系统有助于快速实现导师和研究生之间的双向选择，减轻学校教务部门的工作负担。

关键词：协同推荐；双向选择；兴趣模型

DOIDOI：10.11907/rjdk.161086

中图分类号：TP319

文献标识码：A 文章编号：1672-7800（2016）005-0074-02

0 引言

基于协同推荐模型的导师研究生双向选择系统，在短时间内采用协同推荐模型给予用户合理的推荐，根据用户访问项目的历史记录以及项目间的相关信息，构建用户兴趣模型后对繁杂的信息进行过滤，并向用户推荐可能感兴趣的对象。该系统把传统的导师研究生双选过程放在网络上进行，使该过程变得更加智能化、合理化，增强了选择时的公平性。该系统在提高导师与研究生双向选择效率、增强网站新颖度等方面都具有重要意义。

1 基于协同推荐模型的导师研究生推荐

1.1 数据采集

该系统通过API流来采集公共访问记录建立默认访问级别。如果有两个不同用户连接到相同终端并提供了大约所有访问记录的1%，该默认访问级别将发送相同的推荐信息。该系统从用户所选择的信息中获取样本，包括：①用户选择的导师或者研究生标识符；②用户标识符；③创建日期和时间；④访问记录和标签[2]。

由于这些样本传递的用户所选择信息的数据流不受约束，因而用户选择的数据是没有标签的纯文本。该系统旨在为用户推荐合适的信息，为了避免系统中由于冗余记录而产生干扰，需要缩小过滤范围来明确“活跃”记录。系统为每个用户建立了简况描述，如果一个用户访问某类信息的记录超过一个特定的临界值，它就被称为一个活跃的记录，在这里分别选择50和5作为“活跃”用户和“活跃”记录的临界值。

1.2 数据表示

该系统在两条信息的雇佣标签之间创建另一层相关性来提高协同过滤推荐质量。这样，每条用户历史记录不仅有一个用户向量，也有一个分配给它的标签向量。

从表中数据可以看出，无论是研究生还是导师，该系统都能达到令绝大多数用户满意的程度。

3 结语

本文研究了基于协同推荐模型的导师研究生双向选择系统，该系统基于邻域的方法为用户推荐合适的导师或者研究生信息，极大提高了导师研究生双向选择效率。实验表明，若结合标签相似度和用户相似度，则可以改善协同过滤系统的精确度，实验展示了该系统对于基于信息的推荐系统的标准差方面可以有更好的表现。提供更多用户访问的历史记录不仅不会导致更加精确的推荐，反而会因为“信息过载”而影响推荐精度[4]。实验结果显示，该推荐系统可有效为用户推荐适合用户或者用户偏好的导师或者研究生信息，更好地满足双方需求。

参考文献：

[1]李春，朱珍民，高晓芳，等.基于邻居决策的协同过滤推荐算法[J].计算机工程，2010（13）：34-36.

[2]郑志高，刘京，王平，等.时间加权不确定近邻协同过滤算法[J].计算机科学，2014（8）：7-12.

[3]郭磊，马军，陈竹敏，等.一种结合推荐对象间关联关系的社会化推荐算法[J].计算机学报，2014（1）：219-228.

[4]安维，刘启华，张李义.个性化推荐系统的多样性研究进展[J].图书情报工作，2013（20）：127-135.

（责任编辑：孙 娟）