[发明专利]行为数据的路径寻优方法

摘要

本发明公开了一种行为数据的路径寻优方法，该方法分为两个阶段，第一阶段是训练阶段，在教育大数据下，计算每种学习风格中，每个学习对象中每个学习概念对学习对象的贡献力，以及各个学习概念间的相似度距离；第二阶段是优化阶段，先对当前学习者进行聚类，将其归到相应的学习风格小组中，然后利用改进的人工蜂群算法对学习路径进行优化，寻找最大化学习效果的学习路径。本发明基于大数据研究学习者的学习行为，根据学习风格为学习者提供个性化指导，利用改进的人工蜂群算法对学习路径进行优化，可大大提高学习者的学习效果。

主权项

1.行为数据的路径寻优方法，其特征在于，包括：(1)训练阶段：首先在已知教育大数据下，确定样本学习者的学习风格，各个学习概念间的相似度距离，然后计算每种学习风格中，每个学习概念对对应学习对象的贡献力；贡献力Hij的计算公式是：其中，表示学习概念C_i在学习对象O_j的比重，i＝1,2,…，I，I表示学习对象O_j中的学习概念个数，C_I为学习对象O_j的终点学习概念，j＝1,2,…，J，J表示学习对象的个数；K_m,z,j表示在一个成员数为M的特定的学习风格小组里，第m个学习者参加学习对象O_j对应的测试项目Q_z时，针对学习概念C_i的得分,m＝1,2,…，M，z＝1,2,…，Z，Z表示测试项目的个数；D_iI表示学习概念C_i与终点学习概念C_I之间的相似度距离；(2)优化阶段：包括步骤：(2‑1)基于学习风格模型对当前学习者进行聚类，将当前学习者归到其相应的学习风格小组中；调取训练阶段得到的当前学习风格小组中每个学习概念对对应学习对象的贡献力，以及各个学习概念间的相似度距离；(2‑2)设定当前学习者的起始学习概念Cor和终点学习概念CI；(2‑3)在Corr半径内采用人工蜂群算法，得到最优的学习概念CP_max；(2‑4)判断CP_max是否为终点学习概念CI，如果是则终止优化，执行步骤(2‑5)，否则在CP_maxr半径内采用人工蜂群算法继续优化，依次类推，直到到达终点学习概念CI；(2‑5)导出Cor、所有经过的CP_max以及CI，即得到达到最大化学习效果的学习路径。