[发明专利]基于CWK-means的在线学习资源质量分析方法

权利要求书

1.一种基于CWK-means的在线学习资源质量分析方法，包括以下步骤：

1)从在线学习平台采集日志数据和数据库数据，构建特征向量；所述日志数据包括视频学习行为数据、文本学习行为数据和论坛学习行为数据，所述数据库数据包括测试学习行为数据和反馈数据；所述特征向量包括视频学习行为数据特征向量、文本学习行为数据特征向量和论坛学习行为数据特征向量、测试学习行为数据特征向量和反馈数据特征向量；所述视频学习行为数据的特征向量表示为：

Video＝{SL_V,PN,PT,AN,AT,RN,RT}

其中，SL_V、PN、PT、AN、AT、RN、RT分别代表学习时长、暂停次数、暂停时长、前进次数、前进时长、后退次数、后退时长；所述文本学习行为数据的特征向量表示为：

Text＝{SL_T,FS,BS,MA,DL,CP,CR_T}

其中，SL_T、FS、BS、MA、DL、CP、CR_T分别代表学习时长、前进滚动、后退滚动、标记、下载、复制、收藏；所述论坛学习行为数据的特征向量表示为：

Forum＝{SL_F,WR,PR,RR,CR_F}

其中，SL_F、WR、PR、RR、CR_F分别代表学习时长、看帖记录、发帖记录、回帖记录、收藏记录；所述测试学习行为数据的特征向量表示为：

Examinate＝{SL_E,ES,WQ}

其中，SL_E、ES、WQ分别代表测试时长、测试成绩、错题；所述反馈数据的特征向量表示为：

Feedback＝{UR,FS,FT,FR}

其中，UR、FS、FT、FR分别代表用户、反馈分数、反馈时间和反馈资源；

2)数据预处理，构建数据集X，记为：X＝{x₁,x₂,…,x_n}，x_i表示数据集X中第i个数据对象，每个数据对象包含m个特征，表示为x_i＝{x_i1,x_i2,…,x_im}，x_ij为第i个数据对象的第j个特征属性；

3)采用主客观相结合的方法计算各个特征属性的权重，第m个特征x_im的权重记为

4)利用权重计算初始聚类中心；

5)利用步骤3)和步骤4)中计算出的权重和初始聚类中心，通过K-means算法对学习资源聚类即CWK-means算法对学习资源聚类，每个聚类对应一个质量等级。

2.如权利要求1所述的基于CWK-means的在线学习资源质量分析方法，其特征在于所述步骤2)中，数据预处理包括数据清洗、数据集成、数据归约、数据变换；所述数据清洗包括分析数据、缺失值处理、异常值处理、去重处理、噪音数据处理；所述数据集成采用模式集成方法；所述数据变换包括平方根转换、对数转换、倒数变换。