[发明专利]一种基于学习成长数据的学习风格画像生成方法及系统

说明书

本发明公开了一种基于学习成长数据的学习风格画像生成方法及系统。该方法包括步骤：收集学习成长数据，所述学习成长数据包括从多个数据源获取的用户属性数据和多维用户行为数据；将所述学习成长数据进行表征化处理，获得用户行为表征矩阵；将所述用户行为表征矩阵输入到预训练得到的用户特征提取模型中，所述用户特征提取模型基于神经网络，并用于输出用户行为特征向量矩阵；将所述用户行为特征向量矩阵与学习特征向量相乘，将相乘得到的矩阵作为用户学习风格画像。本发明可以利用多个数据源获取的多维用户行为数据，提升学习者画像的准确性和全面性，驱动教育决策科学化、学习方式个性化、教学管理人性化和评价体系全面化。

技术领域

本发明属于教育信息技术技术领域，更具体地，涉及一种基于学习成长数据的学习风格画像生成方法及系统。

背景技术

随着大数据时代的到来，用户画像技术被广泛应用。用户画像技术是对用户进行画像使其信息标签化。用户画像技术可以帮助企业快速找到用户群体以及用户需求等更为广泛的反馈信息。除此之外，用户画像技术的发展对教育领域也产生了许多影响，基于大数据的精确学情诊断、个性化学习分析和智能决策分析支持，提升了教育品质，帮助教师掌握学生真实学习情况。

现有的用户画像技术中，学习者无法从自己学习历程中的客观数据了解自我学习状态，从而明确自我学习情况。

发明内容

针对现有技术的至少一个缺陷或改进需求，本发明提供了一种基于学习成长数据的学习风格画像生成方法及系统，可以利用多个数据源获取的多维用户行为数据，提升学习者画像的准确性和全面性，驱动教育决策科学化、学习方式个性化、教学管理人性化和评价体系全面化。

为实现上述目的，按照本发明的第一方面，提供了一种基于学习成长数据的学习风格画像生成方法，包括步骤：

收集学习成长数据，所述学习成长数据包括从多个数据源获取的用户属性数据和多维用户行为数据；

将所述学习成长数据进行表征化处理，获得用户行为表征矩阵；

将所述用户行为表征矩阵输入到预训练得到的用户特征提取模型中，所述用户特征提取模型基于神经网络，并用于输出用户行为特征向量矩阵；

将所述用户行为特征向量矩阵与学习特征向量相乘，将相乘得到的矩阵作为用户学习风格画像。

优选的，所述多个数据源至少包括线上教学平台用户数据库和线下课堂行为数据库，所述多维用户行为数据至少包括文本类型数据、视频类型数据和音频类型数据。

优选的，所述表征化处理包括步骤：

对文本类型数据进行分词处理，将分词处理后得到的每一个词采用向量表示，各词向量组成为文本表征矩阵；

对视频类型数据进行帧采样，利用卷积神经网络将采样得到的每帧图像进行向量化，各帧图像的向量组成为视频表征矩阵；

对语音类型数据通过预加重、分帧加窗、傅里叶变换处理，获得语音表征矩阵；

将所述文本表征矩阵、所述视频表征矩阵和所述语音表征矩阵进行拼接。

优选的，所述学习特征向量预先定义有表征用户自主学习能力的指标、表征用户问题分析能力的指标、表征用户创新能力的指标、表征用户对国外内容掌握能力的指标、和表征用户道德素养能力的指标。

优选的，所述用户特征提取模型基于卷积神经网络。

优选的，将所述用户行为特征向量矩阵记为M，M中的行表示用户，列表示影响用户学习行为数据因子；

将学习特征向量记为N，N中的行表示学习者学习特点，列表示影响学习者学习特点的学习行为因子；

将相乘后的矩阵记为U，U的元素u_ij表示学习行为i对学习特点j的评分值。