赵琳 徐明昊

摘 要： 高校社团管理系统所采用的B/S方式鲜有智能推荐功能，推广效率低，资源浪费明显，依赖熟人系统。为了克服这些问题，应用聚类和KNN算法集成为元算法，并设计和实现了基于Django框架的智能社团推荐系统。

关键词： Django; 聚类; KNN算法; 社团推荐

中图分类号： TP277

文献标志码： A

文章编号：1007-757X（2019）06-0122-04

Abstract： There are few intelligent recommendation functions in the B/S mode used in college community management systems. The way isolated introduced by the president campus publicity results in inefficiency and obvious waste of resources. For this reason， this paper chooses clustering KNN algorithm， and designs and implements an intelligent community recommendation system based on Django framework.

Key words： Django; Python language; Clustering; KNN algorithm; Community recommendation

0 引言

社团在大学生第二课堂成长中起着重要作用。目前，高校社团系统管理模式多采用B/S方式。王翠香、邵星等人[1]设计了一种基于Android 手机OS平台的社团管理系统.钮永莉、戴子东等人[2]使用JSP技术设计了一种MVC框架的社团管理系统。张明东、戴丹丹等人[3]提出了一种基于Java EE的社团管理方案。王金龙、孙月兴等人[4]实现了一种基于Python的社团管理系统。这些系统通过主流技术满足了社团管理增、删、改、查等基本要求，对于大学生个性化智能推荐的需求没有涉及。

李嘉琪、李俊、李婷、付麟惠等人[5]通过为每个社团添加类型标签匹配学生用户爱好的方法实现社团推荐。该方法策略单一不能满足多需求精准推荐。石铠、任泺锟、彭一鸣、李慧嘉等人[6]通过图理论构建最优的重叠社团结构的方法聚类领袖社团实现推荐，但计算复杂度受限于特定带宽，影响了应用范围。王玙、刘东苏等人[7]提出了联合聚类协同过滤算法，通过提取相似用户偏好的方法建立属性相似性与打分相似性相结合的推荐算法，此方法用户与社团属性的耦合还不高，依赖于熟人环境，对于新生群体的陌生群体应用效果有限。……