[发明专利]一种基于群智汇聚收敛的资源关联方法

说明书

本发明公开了一种基于群智汇聚收敛的资源关联方法，先制定面向大众参与的学习资源标注任务，调动参与者为知识的相关度做标记，再通过评估参与者的任务完成情况，筛选出欺骗类型的参与者，标记为不合格用户，在过滤掉不合格用户后，收集剩余的质量较高的标注结果，利用参与者所做的标记分类，使用EM算法不断迭代，计算出每个参与者误差率和相关性T，通过EM算法不断迭代直到收敛，从而估计出知识点间的相关度，收集参与者的标注结果集，计算资源间的关联度，最后将关联数据存储到服务器，得到知识资源间的相关性，并且能够及时有效地发现、替换欺骗类型的参与者，提高众智标注质量，为深入挖掘学习资源间的关联提供技术支持。

技术领域

本发明属于教育技术学领域，涉及学习资源关联评估的一种方法，具体涉及一种基于群智汇聚收敛的学习资源关联方法。

背景技术

在数字化学习（e-learning）时代，学习者的学习轨迹不再像过去那样呈现线性的学习方式，同时教育资源数量不断增多，而资源之间缺乏良好的组织关系，这都给学习者带来了很多不便。

目前使用机器自动处理的算法来帮助学习者计算资源关联，但是对于语义相同、书写并不完全一致的异体同义词，类似这种学习资源的隐性知识关联，运用传统的机器处理方式准确率往往有限，不能够深入挖掘知识资源间的关系；依赖少数专家的人工标注则存在巨大的人力和时间成本需要更为有效的方式来解决这个问题。

挖掘、建立学习资源之间的知识关联关系，是实现学习资源有效组织的重要前提。同时对于隐性知识以及具有间接关联关系的学习资源，仅靠机器来判断它们之间的关联度是一项复杂而艰难的任务，需要有关实体的诸多概念、关系、常识及特定领域的知识作为支撑。

发明内容

针对现有技术的不足或改进需求，本发明提供了一种基于群智汇聚收敛的学习资源关联方法，其目的在于通过众人参与知识关联性评估任务，经算法模型处理得到知识资源间的相关性，并且能够及时有效地发现、替换欺骗类型的参与者，提高众智标注质量，为深入挖掘各种隐性学习资源间的关系提供技术支持。

本发明解决其技术问题所采用的技术方案是：一种基于群智汇聚收敛的资源关联方法，包括如下步骤

S1，制定面向大众参与的学习资源标注任务，调动参与者为学习资源的相关度做标记；

S11，设置学习资源间相关性的区间为（0，1），资源间的相关性越强则越接近1，反之接近0；

S12，设置学习资源间的标注方式；

S2，招募参与者，剔除恶意用户；

S21，制定参与者的参与规则，招募一部分用来完成标注任务的参与者形成参与者池，从参与者池中选取一部分用户作为活跃用户，给予活跃用户标注权限并发送标注任务，未选中的作为非活跃用户用于候补；

S22，通过评估参与者的任务完成情况，根据标注结果筛选出欺骗类型的参与者，标记为不合格用户，所述欺骗类型的参与者是采取应付的心态进行标注而且所提交的结果质量较差的用户；

S23，从上述参与者池中选择相同数量的非活跃用户替换不合格用户；

S3，在过滤掉不合格用户后，收集合格用户的标注结果，利用参与者所做的标记分类，使用EM算法不断迭代，计算出每个参与者误差率和相关性T，从而估计出知识点间的相关度；

S31，设置相关性T的初始值

，即采用大多数原则，其中是参与者对评估任务i做出相关性评价结果是l的次数, 将众智任务集合定义为I(i=1,2…I)，任务的所有关联权重类别集合为J(j=1,2…J)，其中k表示参与者，j表示关联权重类别；