基于改进协同过滤和迁移学习的智能实习系统研究与开发.pdfVIP

摘要

摘要

实习作为应用型人才培养的关键实践环节，其信息化管理系统在实现“基础厚、

技能强、素质高、可持续发展能力强”的人才培养目标中发挥着重要作用。当前数

字化校园建设背景下，传统实习管理系统面临两大技术瓶颈：一是传统推荐算法在

实习岗位推荐方面的个性化精度不足；二是学生实习表现的评分过度依赖人工评估，

缺乏文本情感分析维度。

针对上述问题，本文对传统推荐算法进行改进，并引入融合迁移学习和情绪特

征模块的文本分析算法，以提升实习信息管理系统的智能化水平。本文的主要研究

工作如下：

（1）针对实习岗位推荐精度不足的问题，在传统协同过滤算法基础上引入非

线性时间因子与动态时间窗口技术，优化时间因素对学生实习岗位选择的影响。具

体改进包括：首先，通过非线性时间因子模拟学生对实习岗位兴趣的非线性递减过

程，解决实习申请历史行为权重分配不合理问题；其次，在K-means++聚类算法基

础上，基于学生实习申请的活跃度动态划分时间窗口，实现个性化时效性建模。实

验结果表明，该算法在实习岗位推荐精度方面优于传统算法。

（2）针对实习评分人工依赖度高和缺乏文本情感分析的问题，提出将迁移学