[发明专利]一种基于概念图构建的智能学习诊断方法

权利要求书

1.一种基于概念图构建的智能学习诊断方法，其特征在于：诊断方法主要包括以下步骤：

步骤(1)：对学习者进行聚类算法划分；

步骤(2)：对于测试Q学习者S的学习成绩累计；

步骤(3)：DHP测试关联规则制定；

步骤(4)：概念图关联规则的推导；

步骤(5)：学习概念图的构建；

步骤(6)：最优学习路径推理。

2.根据权利要求1所述的一种基于概念图构建的智能学习诊断方法，其特征在于，所述步骤(1)中对学习者进行聚类算法划分，所述聚类算法的主要步骤如下：

步骤(1-1)：对于所有的学习者，计算L_i和L_j之间的距离坐标，计算公式如下：

其中，L_i和L_j分别代表学习者i和j的特征向量，m代表特征向量总长度，l_i代表L_i第n个分量，d_ij代表学习者i和j的距离坐标，学习者特征向量L子集为{l₁,l₂,l₃,…,l_m}；

步骤(1-2)：将所有学习者之间的距离按升序排序，找出2％的距离将其定义为d_c；

步骤(1-3)：计算每个学习者的局部密度，计算公式如下：

其中，Lρ_i代表第i个学习者的局部密度，χ代表采样点；

步骤(1-4)：计算所有密度大于局部密度i的学习的最小距离δ，计算公式如下：

步骤(1-5)：如果学习者L_i已经具有最大的局部密度，则则学习者L_i是聚类中心；

步骤(1-6)：计算所有学习者到聚类中心的距离，然后将聚类中心的学习者i和距离最短的学习者组成一个簇，学习者S表示为{S₁,S₂,…,S_i,…,S_k}，S_i表示第i组，k表示组数(簇数)。

3.根据权利要求1所述的一种基于概念图构建的智能学习诊断方法，其特征在于，所述步骤(2)对于测试Q学习者S的学习成绩累计；假设学习者S的合计为{S₁,S₂,…,S_i,…,S_k}，则测试项为{Q₁,Q₂,…,Q_j,…,Q_q}，学习者S_i在测试项Q_j的测试结果为以“1”代表命中(即错误)，“0”代表未命中(即正确)。

4.根据权利要求1所述的一种基于概念图构建的智能学习诊断方法，其特征在于，所述步骤(3)DHP测试关联规则制定，所述关联规则的形成主要步骤如下：

步骤(3-1)：构建问题候选集K₁，计算公式如下：

K₁＝{{Q₁},{Q₂},…,{Q_j},…,{Q_q}}

步骤(3-2)：构建测试项N，计算公式如下：

其中ζ代表最小支持度，一般我们设置为“2”；

步骤(3-3)：计算每个学习者对应测试项的二项集SN_i，其中SN_i的计算公式为：

步骤(3-4)：通过SN_i统计存储桶集合K₂，K₂的计算公式如下：

其中，代表每个学习者对于第j个问题二项集的总和；

步骤(3-5)：计算每个问题的关联规则置信度w_l-m，w_l-m的计算公式如下：

其中，Q_l和Q_m分别代表问题l和问题m，w_l-m代表l和m的关联规则置信度。