刘志媛，王 飞，张艺璇

(1.河北北方学院 理学院，河北 张家口 075000；2.河北北方学院 经济管理学院，河北 张家口 075000)

0 引 言

推荐系统以用户行为数据为基础，综合利用数学建模、统计检验和机器学习等技术手段，对数据蕴含的结构特征进行深度挖掘与提取，实现对用户属性特征、行为特征和偏好特征的全方位刻画，形成用户画像，并最终达到对不同用户进行个性化智能推荐的目的。在实际应用中，推荐系统在社交网络、电商销售、搜索引擎等领域的应用取得了巨大成功，它通过提高产品服务质量，给产品供给方产生了巨大的经济效益。同时，推荐系统的应用也提高了使用者的满意度和用户体验。因而从福利经济学的角度讲，推荐系统的应用具有改善社会福利水平的作用[1-2]。目前，高等教育教学改革是高等院校的一个长期工作重点，然而，推荐系统在高等教育特别是学生选课方面的应用存在明显不足。研究推荐系统在高校学生选课方面的应用，对于提高高等院校的教育教学质量，提升高校的学生服务质量和人才培养质量，具有重要意义[3-4]。

关于推荐系统的应用与研究，可以追溯到20世纪90年代。根据切入点的不同，推荐系统可以基于内容、效用和协同过滤等方面进行个性化推荐。考虑到大学生往往自我认知能力有限，且对专业兴趣和就业能力要求把握不准，以及基于协同过滤在处理非结构化对象和共享他人经验等方面的优势，本文以主流推荐系统为基础，构建一个基于item协同过滤算法的学生选课推荐系统[5-6]。……