[发明专利]一种融合学习特征和学习网络结构特性的学习者关系强度度量方法和装置

权利要求书

1.一种融合学习特征和学习网络结构特性的学习者关系强度度量方法，包括以下步骤：

(1)采集学习者数据和课程数据，并对所述学习者数据和课程数据进行特征提取，得到特征集合C＝{LA,CA,LI}，其中，LA表示学习者特征的集合，CA表示课程特征的集合，LI表示学习者间接的交互行为特征的集合；

(2)根据特征集合C构建学习网络LLN＝{V,E,P}，其中，V是学习网络中学习者节点的集合；E＝{(l_i,l_j)|l_i,l_j∈V}是无向边的集合，表示学习者之间的间接交互行为关系；P是一个N×N的矩阵，代表学习者之间关系的强度矩阵，其中N＝|V|代表学习者的个数；

(3)根据学习者特征的集合LA，计算两个学习者之间的个人特征相似度；

(4)根据课程特征的集合CA，计算学习者之间的所学课程方面的相似度；

(5)根据个人特征相似度和所学课程方面相似度计算学习者之间的静态特征相似度；

(6)根据学习网络LLN，计算学习者之间的共同邻居节点数；

(7)根据学习网络LLN，计算学习者之间的共同邻居节点边权关系，包括：(7-1)根据学习网络LLN中的矩阵P，设置存放共同邻居节点边权关系的数组cnl[u,v]＝0；

(7-2)针对任意学习者节点u，根据矩阵P，按照以下公式计算P[u]的值：

其中，P[u,i]为矩阵P中学习者节点u与学习者节点i对应的元素值，lc[u,i],lt[u,i],ll[u,i]分别表示学习者节点v和i之间存在学习相同的课程，看过相同的专题，看过相同的演讲；

(7-3)针对任意学习者节点u和学习者节点v，根据P[u]和P[v]的值，计算学习者节点u和学习者节点v的共同邻居的边权关系值，保存在数组cnl[u,v]中，即：

(7-4)重复执行步骤(7-3)，直到遍历完集合V中所有的学习者节点对；

(8)根据共同邻居节点数和共同邻居节点边权关系计算学习者之间的动态特征相似度；

(9)根据静态特征相似度和动态特征相似度计算学习者之间的综合相似度值，以该综合相似度值作为学习者之间关系强度的度量值。

2.如权利要求1所述的融合学习特征和学习网络结构特性的学习者关系强度度量方法，其特征在于，所述学习者特征包括性别、教育信息、指评论数、笔记数、发帖数、收藏数；

所述课程特征包括课程名称、学习课程的时长、课程满意度、课程学习结果；

交互行为特征包括学习相同的课程、看过相同的专题、看过相同的演讲。

3.如权利要求1所述的融合学习特征和学习网络结构特性的学习者关系强度度量方法，其特征在于，步骤(2)中，学习网络LLN＝{V,E,P}的构建过程为：

(2-1)针对采集的所有学习者数据，构建只有学习者节点没有无向边的LLN＝{V,E,P}，即V＝(l₁,l₂,l₃…,l_N)，E＝Φ，为空集，P为一个零矩阵；

(2-2)针对任意两个学习者节点v,学习者节点u，若学习者节点v和u之间存在学习相同的课程lc[v,u]≠0，或看过相同的专题lt[v,u]≠0，或看过相同的演讲ll[v,u]≠0，则将无向边(v,u)加入到E中，同时设置矩阵P中的相应位置P(v,u)＝{lc[v,u],lt[v,u],ll[v,u]}；

(2-3)重复执行步骤(2-2)，直到遍历完集合V中所有的学习者节点对。