[發明專利]基于社區在線學習系統的學習激勵機制構建方法

有效

• 申請號: 201510072026.1
• 申請日: 2015-02-11
• 公開（公告）號: CN104616225B
• 公開（公告）日: 2017-11-14
• 發明（設計）人: 彭智勇;史玉玲;洪亮;余騫;彭海平
• 申請（專利權）人: 武漢大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06Q50/20
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙)42222
• 代理人: 張火春

1.一種基于社區在線學習系統的學習激勵機制構建方法，其特征在于，包括以下步驟：

步驟1，提取系統用戶的相關活動，構建用戶交互圖；

步驟2，根據步驟1所得的用戶交互圖，再一次提取系統用戶的好友關系情況，將用戶影響傳播中的多級傳播和傳播衰減因子納入交互圖邊的權重計算，重構交互圖邊的權重，得到用戶影響傳播圖；

步驟3，根據步驟2得到用戶影響傳播圖，轉化為聲譽轉移矩陣，迭代計算用戶聲譽，直至用戶聲譽值收斂；所述的步驟1中具體過程如下：

步驟1.1，抽取用戶活動；

用戶活動包括兩個方面；

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

其中σ_B表示用戶A對下載資源的投票值，dl_B表示此資源的下載次數，maxdl_j為這個社區中所有資源的最多下載次數，表示資源的質量；

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

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

表示用戶B對用戶A的影響，用戶A對用戶B的支持程度：

步驟1.2，構建用戶交互圖；

構建用戶交互圖，獲取在線學習系統的所有用戶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，E是邊，W為邊的權重，為點A到點B的邊的權重；所述的步驟2中具體過程如下：

步驟2.1，提取用戶的好友關系；

計算用戶聲譽以每門課程作為社區的一個單位，參數α表示每門課程中提取用戶的好友關系，若用戶A與用戶B是好友關系則用α_AB表示；其具體計算如下：

步驟2.2，初步計算圖中邊的權重

表示用戶A對用戶i的投票次數集合，如見公式3；用戶交互圖的邊的初步計算值用表示，公式如下所示：

其中O為用戶A投票用戶的總數；

步驟2.3，多級傳播與多級衰減因子的計算；

符號k表示多級傳播的級數，符號β_k表示在第k次傳播時的傳播衰減因子，它們的計算公式如下：

β_k＝e^-(k-1),1≤k≤6(公式6)

步驟2.4，計算用戶影響傳播圖；

表示傳播圖的邊的權重，用其計算綜合考慮了用戶的投票數、好友關系、多級傳播及多級衰減，得到公式如下：

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

步驟3.1，用戶傳播圖轉換為用戶傳播矩陣；

計算用戶的聲譽值之前，將用戶影響傳播圖轉化為用戶影響矩陣M，其中每一個值m_AB表示用戶U_A對用戶U_B的影響，轉化公式如下：

其中，是用戶影響傳播圖中邊的權重，當用戶A尚未參與任何活動，與任何用戶有交互行為時，m_AB的計算如下：

其中，n為一門課程社區中的用戶總數；

步驟3.2，用戶聲譽值計算；

得到用戶影響轉移矩陣后，進行聲譽計算，根據用戶的聲譽值由其影響的用戶數和影響的用戶的聲譽值得到，故其計算公式為

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

公式10轉化為用戶聲譽值計算公式，如下：

其中，m_AB表示用戶U_A對用戶U_B的影響，初始時用戶的聲譽值RPR_A都是1，d稱為阻尼系數，n為一門課程社區的用戶總數。

2.根據權利要求1所述的一種基于社區在線學習系統的學習激勵機制構建方法，其特征在于，所述的步驟3.2中初始計算戶聲譽值時，用戶聲譽值的初始聲譽都設為1，如下：

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

然后計算用戶的聲譽值，采用公式10，計算完后，設RPR＝RPR′，再代入公式10中繼續計算，直到RPR中的值RPR′矩陣中的值的誤差小于0.001時，表示用戶的聲譽值已經收斂，則得到最終的用戶聲譽值。