Комбинированный подход к рекомендации учебных дисциплин на основе анализа данных студентов

Abstract

Исследование направлено на изучение и реализацию методов рекомендаций элективных курсов на основе данных о студентах и их интересах. Комбинированный подход к рекомендации сочетает в себе контентную и коллаборативную фильтрации. Коллаборативная фильтрация основывается на алгоритме AgglomerativeClustering, группирующем студентов по их сходству, а контентная использует языковую модель paraphrase-multilingual-mpnet-base-v2 для векторизации описаний дисциплин.

The research is aimed at studying and implementing methods for recommending elective courses based on data about students and their interests. The combined approach to recommendations combines content and collaborative filtering. Collaborative filtering is based on the AgglomerativeClustering algorithm, which groups students by their similarity, while content filtering uses the paraphrase-multilingual-mpnet-base-v2 language model to vectorize discipline descriptions.