[發(fā)明專利]一種基于機(jī)器學(xué)習(xí)、大數(shù)據(jù)挖掘的智能課程評(píng)分系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201711440593.3
• 申請(qǐng)日: 2017-12-27
• 公開（公告）號(hào): CN108734370A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設(shè)計(jì)）人: 徐彬
• 申請(qǐng)（專利權(quán)）人: 上海儲(chǔ)翔信息科技有限公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q50/20;G06N99/00;G06F17/30
• 代理公司: 北京挺立專利事務(wù)所(普通合伙) 11265
• 代理人: 倪鉅芳

本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)、大數(shù)據(jù)挖掘的智能課程評(píng)分系統(tǒng)，具體地說，是一種利用計(jì)算機(jī)根據(jù)學(xué)習(xí)系統(tǒng)中的學(xué)習(xí)大數(shù)據(jù)，依靠大數(shù)據(jù)中學(xué)習(xí)數(shù)據(jù)的標(biāo)簽分類、學(xué)員學(xué)習(xí)效果(以考試為主)、學(xué)員學(xué)習(xí)數(shù)據(jù)(以課程學(xué)習(xí)時(shí)長、測(cè)驗(yàn)分?jǐn)?shù)等為主)進(jìn)行機(jī)器學(xué)習(xí)，從而獲取課程與學(xué)習(xí)目標(biāo)關(guān)聯(lián)度并提供評(píng)分的智能系統(tǒng)。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器學(xué)習(xí)和大數(shù)據(jù)挖掘，具體地說，是一種利用計(jì)算機(jī)根據(jù)學(xué)習(xí)系統(tǒng)中的學(xué)習(xí)大數(shù)據(jù)，依靠大數(shù)據(jù)中學(xué)習(xí)數(shù)據(jù)的標(biāo)簽分類、學(xué)員學(xué)習(xí)效果(以考試為主)、學(xué)員學(xué)習(xí)數(shù)據(jù)(以課程學(xué)習(xí)時(shí)長、測(cè)驗(yàn)分?jǐn)?shù)等為主)進(jìn)行機(jī)器學(xué)習(xí)，從而獲取課程與學(xué)習(xí)目標(biāo)關(guān)聯(lián)度并提供評(píng)分的智能系統(tǒng)。

背景技術(shù)

目前傳統(tǒng)的學(xué)習(xí)系統(tǒng)采用由課程提供方提供相關(guān)標(biāo)簽(如該課程屬于哪個(gè)分類、哪個(gè)級(jí)別、對(duì)特定學(xué)習(xí)人群的幫助度大小等)，而學(xué)習(xí)系統(tǒng)則根據(jù)該類課程的瀏覽量、熱度、在線課后測(cè)試的完成情況來對(duì)課程進(jìn)行評(píng)分評(píng)級(jí)等工作。

目前學(xué)習(xí)系統(tǒng)對(duì)于課程基于統(tǒng)計(jì)的評(píng)分評(píng)級(jí)工作，并不能很好地體現(xiàn)課程本身的價(jià)值，有的課程可能因?yàn)閮?nèi)容或外觀比較吸引人而引來較多的瀏覽和關(guān)注度，但其對(duì)學(xué)習(xí)者真正的提升可能不多；而有些干貨課程內(nèi)容價(jià)值高，但因?yàn)槟承┛陀^原因如組織方式平淡等，得不到應(yīng)有的評(píng)級(jí)。

發(fā)明內(nèi)容

本發(fā)明的目的正是為了克服上述現(xiàn)狀存在的缺陷和不足而提供一種創(chuàng)新的、結(jié)合數(shù)據(jù)挖掘及人工智能的課程評(píng)級(jí)方式。

本發(fā)明最重要的創(chuàng)新點(diǎn)在于：采用機(jī)器學(xué)習(xí)對(duì)實(shí)際學(xué)習(xí)效果和課程學(xué)習(xí)情況進(jìn)行深度挖掘獲得課程的評(píng)級(jí)評(píng)分，而不是傳統(tǒng)的根據(jù)課程學(xué)習(xí)表象和統(tǒng)計(jì)結(jié)果。這樣的機(jī)器學(xué)習(xí)工具應(yīng)用在學(xué)習(xí)系統(tǒng)中，能擯棄人的主觀影響，更本真的得到課程的實(shí)際效果。

本發(fā)明是這樣實(shí)現(xiàn)的：

為解決以上技術(shù)問題，本發(fā)明應(yīng)用了機(jī)器學(xué)習(xí)中的關(guān)聯(lián)規(guī)則分析算法對(duì)學(xué)習(xí)系統(tǒng)數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)。

在這里我們采用Apriori算法對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)。Apriori算法首先創(chuàng)建頻繁項(xiàng)集高效發(fā)現(xiàn)的函數(shù)，然后從頻繁項(xiàng)集中抽取出關(guān)聯(lián)規(guī)則。頻繁項(xiàng)集：經(jīng)常出現(xiàn)在一塊的物品的集合，關(guān)聯(lián)規(guī)則：暗示兩種物品之間可能存在很強(qiáng)的關(guān)系。怎么定量評(píng)估上面的概念，分別使用支持度、可信度量化。支持度：數(shù)據(jù)集中包含該項(xiàng)集的記錄所占的比利；一條規(guī)則P->H的可信度定義為support(P|H)/support(P)。

拓展到學(xué)習(xí)系統(tǒng)即是：設(shè)定一個(gè)機(jī)器學(xué)習(xí)時(shí)間段，將所有學(xué)員起始時(shí)間段內(nèi)的考試結(jié)果中帶一定標(biāo)簽(如銷售類試題)題目的綜合正確率(可用四分位、中位數(shù)等方式綜合)以及結(jié)束時(shí)間段的綜合正確率進(jìn)行匯總分類，得到學(xué)習(xí)效果分類數(shù)據(jù)后，與這些學(xué)員在學(xué)習(xí)時(shí)間段內(nèi)的在線課程學(xué)習(xí)情況組合，然后使用Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則學(xué)習(xí)分析，得到課程對(duì)學(xué)習(xí)效果的支持度。

具體工作流程如下：

第一步，設(shè)定機(jī)器學(xué)習(xí)時(shí)間段、學(xué)員試題標(biāo)簽設(shè)定、學(xué)員正確率提升區(qū)間分類。

第二步，設(shè)定需進(jìn)行評(píng)級(jí)的課程集，設(shè)定支持度最小可信度要求。

第三步，開始機(jī)器學(xué)習(xí)。

第四步，最終得到每門課程對(duì)各類學(xué)習(xí)效果的支持度，按效果的權(quán)重給出對(duì)課程的評(píng)級(jí)。

本發(fā)明的優(yōu)點(diǎn)：

可以以盡可能真實(shí)的面貌體現(xiàn)一門課程的價(jià)值，減少對(duì)一些膚淺的熱門課程的誤判，還原課程學(xué)習(xí)的真實(shí)價(jià)值，并能發(fā)掘一些熱度和價(jià)值背離的高質(zhì)量課程，督促其在保證課程質(zhì)量同時(shí)提升學(xué)習(xí)體驗(yàn)，更好地利用學(xué)習(xí)系統(tǒng)的學(xué)習(xí)大數(shù)據(jù)，從而從各個(gè)方面提升學(xué)習(xí)系統(tǒng)的使用價(jià)值。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例僅用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。

實(shí)施例