[發(fā)明專利]基于社區(qū)在線學(xué)習(xí)系統(tǒng)的學(xué)習(xí)激勵(lì)機(jī)制構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 201510072026.1
• 申請日: 2015-02-11
• 公開（公告）號(hào): CN104616225B
• 公開（公告）日: 2017-11-14
• 發(fā)明（設(shè)計(jì)）人: 彭智勇;史玉玲;洪亮;余騫;彭海平
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06Q50/00
• 分類號(hào): G06Q50/00;G06Q50/20
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)42222
• 代理人: 張火春

1.一種基于社區(qū)在線學(xué)習(xí)系統(tǒng)的學(xué)習(xí)激勵(lì)機(jī)制構(gòu)建方法，其特征在于，包括以下步驟：

步驟1，提取系統(tǒng)用戶的相關(guān)活動(dòng)，構(gòu)建用戶交互圖；

步驟2，根據(jù)步驟1所得的用戶交互圖，再一次提取系統(tǒng)用戶的好友關(guān)系情況，將用戶影響傳播中的多級(jí)傳播和傳播衰減因子納入交互圖邊的權(quán)重計(jì)算，重構(gòu)交互圖邊的權(quán)重，得到用戶影響傳播圖；

步驟3，根據(jù)步驟2得到用戶影響傳播圖，轉(zhuǎn)化為聲譽(yù)轉(zhuǎn)移矩陣，迭代計(jì)算用戶聲譽(yù)，直至用戶聲譽(yù)值收斂；所述的步驟1中具體過程如下：

步驟1.1，抽取用戶活動(dòng)；

用戶活動(dòng)包括兩個(gè)方面；

(1).資源下載：表示用戶A對(duì)用戶B的支持情況，用戶B對(duì)用戶A的影響情況；的計(jì)算公式如下：

其中σ_B表示用戶A對(duì)下載資源的投票值，dl_B表示此資源的下載次數(shù)，maxdl_j為這個(gè)社區(qū)中所有資源的最多下載次數(shù)，表示資源的質(zhì)量；

(2).在線問答：若用戶B回答了用戶A的問題，則表示用戶B對(duì)用戶A有影響，其具體計(jì)算公式如下所示：

公式中θ_B為這個(gè)答案經(jīng)過最佳答案選擇算法得出的權(quán)值，maxθ_j表示得分最高的答案的權(quán)值，用來表示答案權(quán)值所占的比重，v_B表示問答中這個(gè)答案的獲得用戶投票的次數(shù)，max v_B表示這個(gè)問題的所有答案中獲得投票次數(shù)最多的投票次數(shù)，表示回答者對(duì)提問題的影響；

表示用戶B對(duì)用戶A的影響，用戶A對(duì)用戶B的支持程度：

步驟1.2，構(gòu)建用戶交互圖；

構(gòu)建用戶交互圖，獲取在線學(xué)習(xí)系統(tǒng)的所有用戶U＝{U₁,U₂…U_i…U_n},1≤i≤n，G<V，E，W>,其中G為用戶交互圖，V＝{U_i}表示圖的頂點(diǎn)，E是邊，W為邊的權(quán)重，為點(diǎn)A到點(diǎn)B的邊的權(quán)重；所述的步驟2中具體過程如下：

步驟2.1，提取用戶的好友關(guān)系；

計(jì)算用戶聲譽(yù)以每門課程作為社區(qū)的一個(gè)單位，參數(shù)α表示每門課程中提取用戶的好友關(guān)系，若用戶A與用戶B是好友關(guān)系則用α_AB表示；其具體計(jì)算如下：

步驟2.2，初步計(jì)算圖中邊的權(quán)重

表示用戶A對(duì)用戶i的投票次數(shù)集合，如見公式3；用戶交互圖的邊的初步計(jì)算值用表示，公式如下所示：

其中O為用戶A投票用戶的總數(shù)；

步驟2.3，多級(jí)傳播與多級(jí)衰減因子的計(jì)算；

符號(hào)k表示多級(jí)傳播的級(jí)數(shù)，符號(hào)β_k表示在第k次傳播時(shí)的傳播衰減因子，它們的計(jì)算公式如下：

β_k＝e^-(k-1),1≤k≤6(公式6)

步驟2.4，計(jì)算用戶影響傳播圖；

表示傳播圖的邊的權(quán)重，用其計(jì)算綜合考慮了用戶的投票數(shù)、好友關(guān)系、多級(jí)傳播及多級(jí)衰減，得到公式如下：

其中1≤k≤6，Y_k表示在第k級(jí)傳播中對(duì)用戶A的投票用戶的總數(shù)；由此得到用戶B對(duì)用戶A和經(jīng)過用戶B對(duì)用戶A的總投票值，得到最終用戶影響傳播圖G<V,E,W”>，W”為最終計(jì)算得到的邊的權(quán)值；所述的步驟3中具體過程如下：

步驟3.1，用戶傳播圖轉(zhuǎn)換為用戶傳播矩陣；

計(jì)算用戶的聲譽(yù)值之前，將用戶影響傳播圖轉(zhuǎn)化為用戶影響矩陣M，其中每一個(gè)值m_AB表示用戶U_A對(duì)用戶U_B的影響，轉(zhuǎn)化公式如下：

其中，是用戶影響傳播圖中邊的權(quán)重，當(dāng)用戶A尚未參與任何活動(dòng)，與任何用戶有交互行為時(shí)，m_AB的計(jì)算如下：

其中，n為一門課程社區(qū)中的用戶總數(shù)；

步驟3.2，用戶聲譽(yù)值計(jì)算；

得到用戶影響轉(zhuǎn)移矩陣后，進(jìn)行聲譽(yù)計(jì)算，根據(jù)用戶的聲譽(yù)值由其影響的用戶數(shù)和影響的用戶的聲譽(yù)值得到，故其計(jì)算公式為

其中RPR是n×1的矩陣，表示所有用戶的聲譽(yù)值，n表示一門課程社區(qū)中用戶的個(gè)數(shù)，d×M×RPR表示用戶交互對(duì)用戶聲譽(yù)所帶來的影響，e是n×1的單位矩陣，ee^T是一個(gè)n×n單位矩陣，d稱為阻尼系數(shù)，為用戶跳出封閉圈的概率；

公式10轉(zhuǎn)化為用戶聲譽(yù)值計(jì)算公式，如下：

其中，m_AB表示用戶U_A對(duì)用戶U_B的影響，初始時(shí)用戶的聲譽(yù)值RPR_A都是1，d稱為阻尼系數(shù)，n為一門課程社區(qū)的用戶總數(shù)。

2.根據(jù)權(quán)利要求1所述的一種基于社區(qū)在線學(xué)習(xí)系統(tǒng)的學(xué)習(xí)激勵(lì)機(jī)制構(gòu)建方法，其特征在于，所述的步驟3.2中初始計(jì)算戶聲譽(yù)值時(shí)，用戶聲譽(yù)值的初始聲譽(yù)都設(shè)為1，如下：

而用戶影響矩陣w為一個(gè)n×n矩陣，其中n表示以一門課程為社區(qū)的所有用戶，表示如下：

然后計(jì)算用戶的聲譽(yù)值，采用公式10，計(jì)算完后，設(shè)RPR＝RPR′，再代入公式10中繼續(xù)計(jì)算，直到RPR中的值RPR′矩陣中的值的誤差小于0.001時(shí)，表示用戶的聲譽(yù)值已經(jīng)收斂，則得到最終的用戶聲譽(yù)值。