[发明专利]一种基于群智汇聚收敛的资源关联方法

摘要

本发明公开了一种基于群智汇聚收敛的资源关联方法，先制定面向大众参与的学习资源标注任务，调动参与者为知识的相关度做标记，再通过评估参与者的任务完成情况，筛选出欺骗类型的参与者，标记为不合格用户，在过滤掉不合格用户后，收集剩余的质量较高的标注结果，利用参与者所做的标记分类，使用EM算法不断迭代，计算出每个参与者误差率和相关性T，通过EM算法不断迭代直到收敛，从而估计出知识点间的相关度，收集参与者的标注结果集，计算资源间的关联度，最后将关联数据存储到服务器，得到知识资源间的相关性，并且能够及时有效地发现、替换欺骗类型的参与者，提高众智标注质量，为深入挖掘学习资源间的关联提供技术支持。

主权项

一种基于群智汇聚收敛的资源关联方法，其特征在于，包括如下步骤S1，制定面向大众参与的学习资源标注任务，调动参与者为学习资源的相关度做标记；S11，设置学习资源间相关性的区间为（0，1），资源间的相关性越强则越接近1，反之接近0；S12，设置学习资源间的标注方式；S2，招募参与者，剔除恶意用户；S21，制定参与者的参与规则，招募一部分用来完成标注任务的参与者形成参与者池，从参与者池中选取一部分用户作为活跃用户，给予活跃用户标注权限并发送标注任务，未选中的作为非活跃用户用于候补；S22，通过评估参与者的任务完成情况，根据标注结果筛选出欺骗类型的参与者，标记为不合格用户，所述欺骗类型的参与者是是采取应付的心态进行标注而且所提交的结果质量较差的用户；S23，从上述参与者池中选择相同数量的非活跃用户替换不合格用户；S3，在过滤掉不合格用户后，收集合格用户的标注结果，利用参与者所做的标记分类，使用EM算法不断迭代，计算出每个参与者误差率和相关性T，从而估计出知识点间的相关度；S31，设置相关性T的初始值，即采用大多数原则，其中是参与者对评估任务i做出相关性评价结果是l的次数；S32，对多个参与者标记的结果进行极大似然估计，得到S33，利用贝叶斯公式和估计出的误差率，计算相关性T的新估计值：其中p表示随机挑选出真实相关性是j的相关性评估任务的概率；S34，重复上述步骤直到相关性T的结果收敛；S4，收集参与者的标注结果集，计算资源间的关联度；S41，针对用户每个标注任务会生成对应的包含有任务信息、学习资源信息、标注信息、标注准确率和资源关联度的关联记录，多条关联记录形成关联数据库；S42，将关联数据存储到服务器。