[发明专利]基于离散化天牛须算法的在线知识分享平台社区划分方法

权利要求书

1.一种基于离散化天牛须算法的在线知识分享平台社区划分方法，其特征在于，包括以下步骤：

S1、构建带有学习者学习特征的异构信息网络；

S2、分解异构信息网络，基于二部图结构进行分层学伴关系挖掘；

S3、融合多层学伴关系，获得在线知识分享平台的高维同构信息网络表示结构，通过全连接层降维处理后，获得具有低维特征向量表示的待挖掘同构信息网络；

S4、使用离散化天牛须算法，对待挖掘同构信息网络进行网络结构划分；

S5、使用多目标优化函数作为划分过程中的目标函数和进化算法中的适应度函数，使得获得的每一个社区划分结构中的学习者能够进行由兴趣驱动的合作学习，输出得到全局最优划分结果。

2.根据权利要求1所述的一种基于离散化天牛须算法的在线知识分享平台社区划分方法，其特征在于，所述步骤S1具体包括以下步骤：

S11、针对在线知识分享平台上的对象节点，按照关键节点和资源节点进行分类，并对不同类型关键节点进行特征嵌入表示；

S12、确定不同类型节点之间的连边关系，完成异构信息网络的构建。

3.根据权利要求2所述的一种基于离散化天牛须算法的在线知识分享平台社区划分方法，其特征在于，所述步骤S11具体是将在线知识分享平台中用户转化为学习者身份，以作为关键节点；将学习者相关的学习物料作为资源节点；

再针对不同类型关键节点嵌入相应的学习者特征：

y^(d)＝(y₁，y₂，...y_d)

其中，y^(d)为关键节点的d维特征向量。

4.根据权利要求3所述的一种基于离散化天牛须算法的在线知识分享平台社区划分方法，其特征在于，所述学习者相关的物料包括但不限于问题回答帖、关键词。

5.根据权利要求4所述的一种基于离散化天牛须算法的在线知识分享平台社区划分方法，其特征在于，所述步骤S12中连边关系具体为：

e_ijk＝{(u_i，v_j)∈E_k|u_i∈U，v_j∈V}

构建得到异构信息网络为：

其中，U为学习者映射的关键节点，V为资源节点，E为连边，V＝{V₁，V₂，...，V_n}表示中所有资源节点集合，E＝{E₁，E₂，...，E_m}表示中所有的连边关系，E_k表示第k种连边类型，u_i为第i个关键节点，v_j为第j个资源节点，e_ijk表示关键节点u_i与资源节点v_j间存在E_k类型的操作行为。

6.根据权利要求5所述的一种基于离散化天牛须算法的在线知识分享平台社区划分方法，其特征在于，所述步骤S12中连边关系表示学习者对学习物料的操作行为，其中，学习者与问题回答帖之间存在两种连边关系：学习者浏览问题回答帖和学习者阅读问题回答帖；学习者与关键词之间存在一种连边关系：学习者搜索关键词。