[發(fā)明專利]一種基于學(xué)習(xí)生成網(wǎng)絡(luò)相似度的網(wǎng)絡(luò)學(xué)習(xí)群組劃分方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810369026.1
• 申請(qǐng)日: 2018-04-23
• 公開（公告）號(hào): CN108628967B
• 公開（公告）日: 2020-07-28
• 發(fā)明（設(shè)計(jì)）人: 朱海萍;倪逸夫;田鋒;陳妍;馮沛;鄭慶華
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué)
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/9536;G06K9/62;G06Q50/00
• 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)

1.一種基于學(xué)習(xí)生成網(wǎng)絡(luò)相似度的網(wǎng)絡(luò)學(xué)習(xí)群組劃分方法，其特征在于，包括以下步驟：

1)根據(jù)用戶信息、知識(shí)點(diǎn)信息及用戶的網(wǎng)絡(luò)學(xué)習(xí)日志構(gòu)建用戶知識(shí)點(diǎn)關(guān)聯(lián)網(wǎng)絡(luò)，再利用隨機(jī)游走的方法計(jì)算用戶知識(shí)點(diǎn)關(guān)聯(lián)網(wǎng)絡(luò)中各節(jié)點(diǎn)之間的相似度；同時(shí)，獲取用戶學(xué)習(xí)知識(shí)點(diǎn)之間的學(xué)習(xí)順序相關(guān)性及學(xué)習(xí)時(shí)間相關(guān)性，再根據(jù)用戶學(xué)習(xí)知識(shí)點(diǎn)之間的學(xué)習(xí)順序相關(guān)性及學(xué)習(xí)時(shí)間相關(guān)性依次計(jì)算用戶學(xué)習(xí)序列中第i+1個(gè)知識(shí)點(diǎn)與前i個(gè)知識(shí)點(diǎn)的時(shí)序相關(guān)度，其中，1≤i≤n，n為用戶學(xué)習(xí)知識(shí)點(diǎn)的序列長(zhǎng)度；

2)根據(jù)用戶知識(shí)點(diǎn)關(guān)聯(lián)網(wǎng)絡(luò)中各節(jié)點(diǎn)之間的相似度及用戶學(xué)習(xí)序列中第i+1個(gè)知識(shí)點(diǎn)和前i個(gè)知識(shí)點(diǎn)的時(shí)序相關(guān)度構(gòu)建用戶學(xué)習(xí)生成網(wǎng)絡(luò)；

3)獲取用戶學(xué)習(xí)生成網(wǎng)絡(luò)中任一兩節(jié)點(diǎn)之間的路徑，將兩個(gè)用戶u_x、u_y學(xué)習(xí)生成網(wǎng)絡(luò)及中任意兩個(gè)知識(shí)點(diǎn)之間相同路徑占總路徑的比例作為學(xué)習(xí)生成網(wǎng)絡(luò)及在這兩知識(shí)點(diǎn)之間的相似度，然后統(tǒng)計(jì)學(xué)習(xí)生成網(wǎng)絡(luò)及在所有知識(shí)點(diǎn)對(duì)之間的相似度并求均值，然后將求均值的結(jié)果作為學(xué)習(xí)生成網(wǎng)絡(luò)及之間的內(nèi)容相似度

4)計(jì)算各用戶學(xué)習(xí)生成網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)、邊數(shù)、節(jié)點(diǎn)平均度、節(jié)點(diǎn)平均強(qiáng)度、網(wǎng)絡(luò)中環(huán)的數(shù)量及網(wǎng)絡(luò)中環(huán)的平均大小，并從節(jié)點(diǎn)數(shù)、邊數(shù)、節(jié)點(diǎn)平均度、節(jié)點(diǎn)平均強(qiáng)度、網(wǎng)絡(luò)中環(huán)的數(shù)量及網(wǎng)絡(luò)中環(huán)平均大小的角度出發(fā)計(jì)算用戶學(xué)習(xí)生成網(wǎng)絡(luò)與之間的結(jié)構(gòu)相似度

5)使用內(nèi)容相似度與結(jié)構(gòu)相似度加權(quán)求和的結(jié)果作為用戶學(xué)習(xí)生成網(wǎng)絡(luò)的總體相似性，再將用戶學(xué)習(xí)生成網(wǎng)絡(luò)的總體相似性采用基于相似度的CURE層次聚類算法對(duì)用戶學(xué)習(xí)生成網(wǎng)絡(luò)進(jìn)行聚類，實(shí)現(xiàn)基于學(xué)習(xí)生成網(wǎng)絡(luò)相似度的網(wǎng)絡(luò)學(xué)習(xí)群組劃分。

2.根據(jù)權(quán)利要求1所述的基于學(xué)習(xí)生成網(wǎng)絡(luò)相似度的網(wǎng)絡(luò)學(xué)習(xí)群組劃分方法，其特征在于，步驟1)中構(gòu)建用戶知識(shí)點(diǎn)關(guān)聯(lián)網(wǎng)絡(luò)的具體操作為：利用用戶信息、知識(shí)點(diǎn)信息以及用戶的網(wǎng)絡(luò)學(xué)習(xí)日志獲取用戶-用戶之間的關(guān)系、知識(shí)點(diǎn)-知識(shí)點(diǎn)之間的關(guān)系及用戶-知識(shí)點(diǎn)之間的關(guān)系，再根據(jù)用戶-用戶之間的關(guān)系、知識(shí)點(diǎn)-知識(shí)點(diǎn)之間的關(guān)系及用戶-知識(shí)點(diǎn)之間的關(guān)系計(jì)算用戶-用戶、知識(shí)點(diǎn)-知識(shí)點(diǎn)及用戶-知識(shí)點(diǎn)之間的邊權(quán)重，然后根據(jù)用戶-用戶、知識(shí)點(diǎn)-知識(shí)點(diǎn)及用戶-知識(shí)點(diǎn)之間的邊權(quán)重構(gòu)建用戶知識(shí)點(diǎn)關(guān)聯(lián)網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述的基于學(xué)習(xí)生成網(wǎng)絡(luò)相似度的網(wǎng)絡(luò)學(xué)習(xí)群組劃分方法，其特征在于，步驟2)的具體操作為：根據(jù)用戶知識(shí)點(diǎn)關(guān)聯(lián)網(wǎng)絡(luò)中各節(jié)點(diǎn)之間的相似度及用戶學(xué)習(xí)序列中第i+1個(gè)知識(shí)點(diǎn)和前i個(gè)知識(shí)點(diǎn)的時(shí)序相關(guān)度依次計(jì)算用戶學(xué)習(xí)序列中第i+1個(gè)知識(shí)點(diǎn)和前i個(gè)知識(shí)點(diǎn)的匹配度，根據(jù)計(jì)算得到的匹配度構(gòu)建用戶學(xué)習(xí)生成網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求2所述的基于學(xué)習(xí)生成網(wǎng)絡(luò)相似度的網(wǎng)絡(luò)學(xué)習(xí)群組劃分方法，其特征在于，構(gòu)建用戶-用戶之間的關(guān)系，計(jì)算用戶-用戶之間的邊權(quán)重的具體操作為：用戶-用戶之間的關(guān)系E_u由兩個(gè)用戶u_x、u_y之間屬性的相似性來(lái)度量，其中，兩個(gè)用戶u_x、u_y之間屬性包括入學(xué)時(shí)間、學(xué)歷以及用戶專業(yè)，設(shè)用戶-用戶之間的邊權(quán)重為由用戶屬性的相似性與用戶屬性的權(quán)重imp^(k)計(jì)算得到，即

其中，表示用戶u_x、u_y之間入學(xué)時(shí)間的相似度，表示用戶u_x、u_y之間學(xué)歷的相似度，表示用戶u_x、u_y之間專業(yè)的相似度，△batch表示用戶u_x、u_y之間入學(xué)的學(xué)期差別。