[發明專利]面向在線教育的學習者協同學習社交關系構建方法

有效

• 申請號: 202110730170.5
• 申請日: 2021-06-29
• 公開（公告）號: CN113378076B
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 李全龍;王少逸
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00;G06Q50/20;G06K9/62
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 孫莉莉

1.一種面向在線教育的學習者協同學習社交關系的構建方法，其特征在于，包括以下步驟：

步驟S1，獲取在線教育平臺中學習者的基本信息數據，采用序列分析法抽取所述基本信息數據的屬性特征，其中，所述屬性特征包括分類后的學習者行為特征、各學科之間的基本距離和交互積極數據；

步驟S2，對所述屬性特征中的基本行為特征進行行為分析，以進行伙伴關系標注；

步驟S3，利用k-Means聚類算法處理所述伙伴關系標注，得到學習者學習社區聚類發現；

步驟S4，根據所述學習者學習社區聚類發現構建總體神經網絡，并利用所述屬性特征對所述學習者協同學習社交關系神經網絡進行訓練，得到學習者協同學習社交關系神經網絡，進而得到當前伙伴推薦列表；

步驟S5，基于無標度網絡理論和社交三角理論對所述學習者協同學習社交關系神經網絡中的當前學習者在收斂狀態下的伙伴進行基本排序，并依據推薦系統長尾理論對所述當前伙伴推薦列表進行補充。

2.根據權利要求1所述的面向在線教育的學習者協同學習社交關系的構建方法，其特征在于，所述步驟S1具體包括：

步驟S101，獲取在線教育平臺中學習者的初始信息數據，對所述基本信息數據進行空值填充和基本獨熱量化處理，得到基本信息數據，其中，所述基本信息數據包括行為序列、社區交互行為記錄、學科偏好、學習時間、學習地點和系統登錄方式；

步驟S102，采用序列分析法對所述基本信息數據進行抽取，得到基本行為特征和對應向量化結果；

步驟S103，根據心理學人格劃分及評分機制對所述基本行為特征、所述對應向量化結果及所述社區交互行為記錄進行處理，得到學習者性格特征數值；

步驟S104，將所述基本行為特征和所述學習者性格特征數值進行加權平均數值計算，得到一級數值以計算用戶平均社交活躍度及平臺活躍度作為學習者行為特征，并根據人群中行為屬性高斯分布的特點對所述學習者行為特征進行高斯分布化和類化，得到分類后的學習者行為特征；

步驟S105，采用word2vec對所述基本信息數據中的學習者學科偏好進行量化處理，得到各學科之間的基本距離；

步驟S106，采用分詞工具對所述基本信息數據中的社區交互行為記錄進行分詞分析，并根據中文詞語情感值對當前交互是否積極進行數值量化處理，得到交互積極數據。

3.根據權利要求1所述的面向在線教育的學習者協同學習社交關系的構建方法，其特征在于，所述步驟S2具體包括：

步驟S201，對所述屬性特征中的基本行為特征進行劃分和過濾，得到學習者真實交互行為和學習者無交互行為；

步驟S202，分析所述學習者真實交互行為和所述學習者無交互行為導出伙伴關系標注。

4.根據權利要求1所述的面向在線教育的學習者協同學習社交關系的構建方法，其特征在于，所述步驟S3具體包括：

步驟S301，將所述伙伴關系標注中的學習者伙伴交互行為進行定義；

步驟S302，根據定義后的學習者伙伴交互行為計算學習者之間的Jaccard Distance距離；

步驟S303，利用所述k-Means聚類算法對所述學習者之間的Jaccard Distance距離進行處理，得到學習者學習社區聚類發現。

5.根據權利要求1所述的面向在線教育的學習者協同學習社交關系的構建方法，其特征在于，所述步驟S4具體包括：

步驟S401，通過所述學習者學習社區聚類發現獲得時間序列關系，根據所述時間序列關系對學習者行為序列進行劃分，通過時間靠后的學習者序列和時間在前的學習者序列計算得到推薦伙伴列表；

步驟S402，通過所述學習者學習社區聚類發現獲得學習者與其他用戶之間的交互性行為，以對二者伙伴關系進行標注；

步驟S403，基于深度學習，并根據所述推薦伙伴列表和標注后的二者伙伴關系構建總體神經網絡，并利用所述屬性特征對所述總體神經網絡進行訓練，得到學習者協同學習社交關系神經網絡，進而獲得當前伙伴推薦列表。