[發明專利]融入情緒因素的貝葉斯網絡學習風格初始化及修正算法

在審

• 申請號: 201810345695.5
• 申請日: 2018-04-18
• 公開（公告）號: CN110399982A
• 公開（公告）日: 2019-11-01
• 發明（設計）人: 宋彩霞;王瑞坤;陳龍猛;宋笑笑;翟慧超
• 申請（專利權）人: 青島農業大學
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種融入情緒因素的貝葉斯網絡學習風格初始化及修正算法，包括簡單問題初始化模塊、基本信息初始化模塊、學習情緒因素模塊、學習行為概率模塊、條件概率表初始化及修正模塊和貝葉斯網絡修正模塊；所述簡單問題初始化模塊使用簡單問題初始化學習風格；所述基本信息初始化模塊通過基本信息初始化學習風格；所述學習情緒因素模塊讓學習者選擇情緒因素的權值確定當前情緒；所述學習行為概率模塊是計算學習行為概率的過程；所述條件概率表初始化及修正模塊完成初始化和修正條件概率表；所述貝葉斯網絡修正模塊進行修正學習風格。通過上述方式，本發明能快速準確地完成學習風格的初始化和修正，為自適應學習系統推薦學習路徑做基礎。

技術領域

本發明涉及一種學習風格初始化及修正算法，尤其涉及一種融入情緒因素的貝葉斯網絡學習風格初始化及修正算法。

背景技術

在網絡學習和遠程教育是現代教育發展的趨勢，自適應學習系統是針對學習者的學習風格推薦個性化的學習資源和學習路徑，以此來提高學習者的學習效率的系統，是網絡學習和遠程教育的一個重要部分。

自適應學習系統推薦的基礎是學習風格，目前學習風格初始化大多采用所羅門學習風格量表。該方法采用問卷形式來初始化學習者的學習風格，存在初始化問卷中問題較多造成學習者負擔過重的缺點，這使得學習者會不用心做問卷造成學習風格初始化精確度不高的問題。本發明考慮到所羅門學習風格量表存在的問題，針對學習風格每一個維度提出一個問題，將所羅門量表中44個問題簡化成4個，解決所羅門量表中問題較多的缺點，減輕了學習者的負擔。同時考慮學習風格和每一個學習者的性別和年齡等基本信息有關，因而本發明提出第二種通過學習者的基本信息進行初始化學習風格的方法。

由于人的學習行為會隨著環境的變化而變化，尤其是隨著情緒的變化而變化，而前人的條件概率表由專家經驗和具體的實驗數據得到后就認為是一成不變的，不能隨著情緒的變化而變化，這在一定程度上會降低精確度。針對不同的學習人群，條件概率表中的數據應該是不同的，只有根據不同的學習人群使用不同的條件概率數值才會更加精確地計算出該學習人群的學習風格。

現有的學習風格修正系統，大多采用貝葉斯網絡分析學習行為進行修正的方式，這些學習風格的修正系統存在如下缺點：沒有考慮到學習風格準確與否會在學習情緒因素中體現出來，沒有將情緒因素融入貝葉斯網絡和學習行為共同修正學習風格。

發明內容

本發明的目的是進行初始化及修正學習風格，以便精確得到學習者的學習風格，為自適應學習系統推薦學習路徑和呈現個性化的學習方式做基礎。

為實現上述目的，本發明采取的技術方案為:提供一種融入情緒因素的貝葉斯網絡學習風格初始化及修正算法，其特征在于，包括簡單問題初始化模塊、基本信息初始化模塊、學習情緒因素模塊、學習行為概率模塊、條件概率表初始化及修正模塊和貝葉斯網絡修正模塊；

所述簡單問題初始化模塊通過讓學習者回答四個簡單問題進行初始化學習風格；

所述基本信息初始化模塊是根據學習者的性別、年齡和學歷基本信息進行初始化學習風格；

所述學習情緒因素模塊是通過讓學習者選擇學習情緒因素的權值來確定當前學習情緒；

所述的學習行為概率模塊是通過一定的規則進行計算學習行為概率；

所述條件概率表初始化及修正模塊是通過大量學習者的數據進行初始化和修正條件概率表；

所述貝葉斯網絡修正模塊是使用學習情緒因素、條件概率表數值和學習行為概率進行修正學習風格的過程。

所述簡單問題初始化模塊是針對學習風格中信息加工、感知、輸入和理解四個維度的不同特點分別提出一個問題，同時設計每一個問題只有兩個選項，通過每一個問題便可以初始化每一個學習風格維度，綜合四個學習風格維度便可以完成簡單問題的學習風格初始化過程。