[發(fā)明專利]大規(guī)模網(wǎng)絡(luò)教育中網(wǎng)絡(luò)學(xué)習(xí)行為冪律分布概率建模方法

在審

• 申請?zhí)枺?/td>: 201810026932.1
• 申請日: 2018-01-11
• 公開（公告）號: CN108197424A
• 公開（公告）日: 2018-06-22
• 發(fā)明（設(shè)計(jì)）人: 劉均;薛妮;楊寬;宋凌云;張玲玲;任若清
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 徐文權(quán)

1.大規(guī)模網(wǎng)絡(luò)教育中網(wǎng)絡(luò)學(xué)習(xí)行為冪律分布概率建模方法，其特征在于，包括以下步驟：

步驟1，在大規(guī)模e-Learning環(huán)境下，給定服從冪律分布的網(wǎng)絡(luò)學(xué)習(xí)行為B，根據(jù)冪律分布生成機(jī)制以及網(wǎng)絡(luò)教育機(jī)構(gòu)的教學(xué)要求，得出網(wǎng)絡(luò)學(xué)習(xí)行為B的初始影響因素集合F_ori；

步驟2，通過相關(guān)性分析，計(jì)算F_ori中的每個(gè)因素f與網(wǎng)絡(luò)學(xué)習(xí)行為B之間的相關(guān)系數(shù)，將相關(guān)系數(shù)大于給定相關(guān)系數(shù)閾值r的因素加入候選影響因素集合F_con；

步驟3，通過因果分析，檢驗(yàn)F_con中的每個(gè)因素f與網(wǎng)絡(luò)學(xué)習(xí)行為B之間的因果關(guān)系，將與網(wǎng)絡(luò)學(xué)習(xí)行為B之間具有因果關(guān)系的因素加入最終影響因素集合F；

步驟4，基于BA模型的特性，根據(jù)最終影響因素集合F提出網(wǎng)絡(luò)學(xué)習(xí)行為冪律分布的概率模型假設(shè)；

步驟5，基于最終影響因素集合F以及網(wǎng)絡(luò)學(xué)習(xí)行為概率模型假設(shè)，建立學(xué)習(xí)者在具體某天進(jìn)行學(xué)習(xí)活動的概率模型；

步驟6，根據(jù)得到的概率模型，設(shè)計(jì)學(xué)習(xí)過程生成算法，對所有學(xué)習(xí)者在課程周期內(nèi)的學(xué)習(xí)過程進(jìn)行模擬。

2.根據(jù)權(quán)利要求1所述的大規(guī)模網(wǎng)絡(luò)教育中網(wǎng)絡(luò)學(xué)習(xí)行為冪律分布概率建模方法，其特征在于，步驟1中，所述的冪律分布生成機(jī)制為增長與優(yōu)先連接機(jī)制，用于描述無標(biāo)度網(wǎng)絡(luò)的冪律度分布，其包括如下兩個(gè)機(jī)制：

增長機(jī)制，用于描述網(wǎng)絡(luò)通過增加節(jié)點(diǎn)而不斷擴(kuò)張；

優(yōu)先連接機(jī)制，用于描述網(wǎng)絡(luò)中新加入的節(jié)點(diǎn)總是優(yōu)先選擇與網(wǎng)絡(luò)中連接度值較高的節(jié)點(diǎn)進(jìn)行連接。

3.根據(jù)權(quán)利要求1所述的大規(guī)模網(wǎng)絡(luò)教育中網(wǎng)絡(luò)學(xué)習(xí)行為冪律分布概率建模方法，其特征在于，步驟1中，所述的網(wǎng)絡(luò)教育機(jī)構(gòu)的教學(xué)要求為網(wǎng)絡(luò)教育機(jī)構(gòu)根據(jù)教學(xué)計(jì)劃和培養(yǎng)計(jì)劃提出的針對學(xué)習(xí)者學(xué)習(xí)行為的各種約束條件。

4.根據(jù)權(quán)利要求1所述的大規(guī)模網(wǎng)絡(luò)教育中網(wǎng)絡(luò)學(xué)習(xí)行為冪律分布概率建模方法，其特征在于，步驟2具體包括如下步驟，

步驟2-1，從初始影響因素集合中任取初始影響因素N是初始影響因素的數(shù)量；根據(jù)初始影響因素與網(wǎng)絡(luò)學(xué)習(xí)行為B之間的散點(diǎn)圖，判斷二者之間具有線性關(guān)系還是非線性關(guān)系：

a、如果初始影響因素因素與網(wǎng)絡(luò)學(xué)習(xí)行為B之間具有線性關(guān)系，則計(jì)算初始影響因素因素與網(wǎng)絡(luò)學(xué)習(xí)行為B之間的Spearman相關(guān)系數(shù)，作為執(zhí)行步驟2-2；

b、如果初始影響因素與網(wǎng)絡(luò)學(xué)習(xí)行為B之間具有非線性關(guān)系，則計(jì)算初始影響因素與網(wǎng)絡(luò)學(xué)習(xí)行為B之間的最大信息系數(shù)，作為執(zhí)行步驟2-2；

步驟2-2，判斷是否大于相關(guān)系數(shù)閾值r：

a、如果大于等于r，則將初始影響因素加入候選影響因素集合F_con，執(zhí)行步驟2-3；

b、如果小于相關(guān)系數(shù)閾值r，執(zhí)行步驟2-3；

步驟2-3，從初始影響因素集合F_ori中刪除初始影響因素并判斷F_ori是否為空：

a、如果F_ori不為空，則執(zhí)行步驟2-1)；

b、如果F_ori為空，則已處理完所有初始影響因素，得到候選影響因素集合F_con。

5.根據(jù)權(quán)利要求1所述的大規(guī)模網(wǎng)絡(luò)教育中網(wǎng)絡(luò)學(xué)習(xí)行為冪律分布概率建模方法，其特征在于，步驟3中，基于Granger因果檢驗(yàn)算法，檢驗(yàn)步驟2中得出的候選影響因素集合中的每個(gè)候選影響因素f_con∈F_con與網(wǎng)絡(luò)學(xué)習(xí)行為B之間的因果關(guān)系，將與網(wǎng)絡(luò)學(xué)習(xí)行為B之間具有因果關(guān)系的因素加入最終影響因素集合F，M是候選影響因素的數(shù)量。