[发明专利]基于校园大数据平台的面向学科竞赛的学生团队组建模型方法

权利要求书

1.基于校园大数据平台的面向学科竞赛的学生团队组建模型方法，其特征在于，其步骤为：

1)采集信息：通过大数据平台收集学生的行为数据，包括有日常学习数据、实验数据、和竞赛数据；

2)建立竞赛模型：对于每个竞赛G_j构建竞赛模型G，竞赛模型使用一个六元组表示：

Gpf，Gcl，Gta，Gpa，Gce，Gre

Gpf为竞赛专业领域，Gcl为竞赛评级，Gta为竞赛所考察的理论能力，Gpa为竞赛所考察的运用能力，Gce为参加竞赛所获得的竞赛经验，Gre为参加竞赛消耗的疲劳值；

3)建立学生模型：对于每个学生S_i构建学生模型，学生模型使用一个六元组表示：

Sta，Spa，Sce，Sla，Sca，Sae

Sta为理论能力、Spa为运用能力、Sce为竞赛经验、Sla为领导能力、Sca为协作能力、Sae为精力值；

3.1)建立学生能力模型：计算学生的理论能力Sta(S_i)、运用能力Spa(S_i)、竞赛G_j1的竞赛经验Sce(S_i，G_j1)、领导能力Sla(S_i)、协作能力Sca(S_i)、精力值Sre(S_i)；

3.2)建立学生效用模型：

对应学生的六项属性，学生效用模型也使用一个六元组表示：

Uta，Upa，Uce，Ula，Uca，Uae

Uta为学生的理论能力效用、Upa为运用能力效用、Uce为竞赛经验效用、Ula为领导能力效用、Uca为协作能力效用、Uae为精力值效用；

3.3)基于效用模型，计算学生S_i参加的竞赛G_j的效用和团队T_k的总效用；

4)团队匹配：

利用粒子群优化算法，求解参加竞赛G_j的最优团队T_k，使团队T_k中每个学生的效用和团队T_k的总效用最大化。

2.根据权利要求1所述的基于校园大数据平台的面向学科竞赛的学生团队组建模型方法，其特征在于：所述的步骤2)中，

Gpf：按照授予学位的学科领域进行等距划分为，并均匀的分布于(0，1)区间内，两个具有相似专业领域的竞赛在属性Gpf中相邻；

Gcl：使用层次分析法(AHP)量化，层次分析法是结构化的技术，用于组织和分析复杂的决策，以量化竞赛评级属性；首先使用层次分析法将该属性分为三层，依次为目标层、准则层、方案层，具体如表1所示：

表1：竞赛评级分层表

其次，对每层建立比较矩阵，其对角线均为1，且矩阵中下三角矩阵元素满足其中a_ji为矩阵中第j行、第i列的元素；然后，通过公式计算出每层的权重向量，并进行一致性验证；最后，根据各准则层的权重和其对应的方案层的权重向量归一化乘积计算方案层总权重；

通过对竞赛G建立模型，通过提取竞赛属性，建立竞赛属性向量，竞赛G_j1与竞赛G_j2相似度Simi(G_j1，G_j2)公式如下：