李沁颖 易豪

摘要：目前，深度学习利用自身优势，已在语音识别、图像处理等方面取得了重大的突破与成就。然而，深度学习在选课推荐系统领域的研究与应用还处于早期阶段。考虑传统的选课系统难以考虑到影响学生选课的多因素，本文基于深度学习，结合协同过滤技术在选课系统中的应用，实现对学生的多方面画像，构建出一个实时感知学生喜好变化，且对其进行智能推荐选课的平台，实现从学生到课程的无误差匹配。

关键词： 用户画像技术;深度学习;协同过滤技术;学生选课系统

中图分类号：TP391       文献标识码：A

文章编号：1009-3044（2021）10-0184-03

Abstract： At present， deep learning has made great breakthroughs and achievements in speech recognition and image processing by taking advantage of its own advantages. However， the research and application of deep learning in the field of course selection recommendation system is still in the early stage. Considering the traditional course selection system is difficult to consider the many factors influencing students' course selection， based on the deep learning， combining the application of collaborative filtering technology in the course system， realize to the students' various portraits， construct a real-time perception student preferences change， and carries on the intelligent recommended course platform， from students to the course of matching error.

Key words： User Portrait Technology; Deep learning; Collaborative Filtering Technology; Course selection recommendation system

1 引言

随着互联网技术的迅猛发展与人们物质生活水平的日益提升，移动终端设备普及度上升，各种移动应用也竞相进入人们的日常生活中，导致互联网信息呈爆炸式增长。面对海量信息及当下社会不断加快的生活节奏，人们正面临着信息筛选困难，信息处理效率低下，信息交流冗杂等的困扰，不可避免地使企业由于对用户的营销不够细化，继而推送一些不合时宜、不符偏好的信息为用户带来骚扰，甚至引起客户流失。因此，如何处理、利用与用户各方面相关的信息，构建实时标签化体系，并实现在用户及其信息需求之间精准地自动化匹配，成为现今各大企业主要研究的目标，用户画像及其相关技术就在这种背景下诞生并发展。

目前针对用户画像的研究方法大多基于“收集信息-行为建模-构建画像”技术，以构建浅显的用户画像。……