[发明专利]学习行为分析方法及系统

权利要求书

1.一种学习行为分析方法，其特征在于，包括：

采集学习行为数据；

根据所述学习行为数据，基于预设的多最小支持度关联规则算法，分析得到学生的学习行为规则。

2.根据权利要求1所述的方法，其特征在于，所述学习行为数据包括课后学习行为数据和课中学习行为数据。

3.根据权利要求1或2所述的方法，其特征在于，所述采集学习行为数据之后，所述方法还包括：

对所述学习行为数据进行预处理。

4.根据权利要求1或2所述的方法，其特征在于，所述根据所述学习行为数据，基于预设的多最小支持度关联规则算法，分析得到学生的学习行为规则包括：

将一定时间内发生的学习行为数据作为一个子项集，将多个子项集集合，形成事务集；

根据所述事务集和所述多个子项集集合，并基于多最小支持度关联规则算法，生成频繁项集集合；

根据所述频繁项集集合，得到学生的学习行为规则。

5.根据权利要求4所述的方法，其特征在于，所述根据所述事务集和所述多个子项集集合，并基于多最小支持度关联规则算法，生成频繁项集集合包括：

将各个所述学习行为数据作为各项，形成第一项集；

确定所述第一项集中各项的第一支持度；

基于所述第一支持度和预先确定的权重值确定所述第一项集中的各项的最小项支持度；

将所述第一项集作为候选1项集；

根据所述各项的最小项支持度，基于设定的条件确定第二支持度；

根据所述第一支持度和所述第二支持度的比较结果，对所述候选1项集进行剪枝，生成频繁1项集；

遍历所述事务集，生成候选2项集；

确定所述候选2项集中各项集的第三支持度；

根据所述第三支持度和所述第二支持度的比较结果，对所述候选2项集进行剪枝，生成频繁2项集；

遍历所述事务集，生成候选3项集至候选k项集，基于与生成频繁2项集相同的过程，直至生成的频繁k项集为空；

将所述频繁1项集至所述频繁k-1项集作为所述频繁项集集合。

6.根据权利要求5所述的方法，其特征在于，所述权重值通过如下方式确定：

确定学习行为数据中能使成绩上升的学习行为数据与成绩上升之间为正相关关系；

确定学习行为数据中能使成绩下降的学习行为数据与成绩下降之间为负相关关系；

根据所述正相关关系和所述负相关关系确定各个学习行为数据对成绩影响的权重值。

7.根据权利要求5所述的方法，其特征在于，所述根据所述各项的最小项支持度，基于设定的条件确定第二支持度包括：

随机确定初始最小支持度；

如果所述初始最小支持度小于候选x项集中各项的最小项支持度中的最小值，则将所述最小值作为所述第二支持度；其中，1≤x≤k；

如果所述初始最小支持度大于等于所述最小值且小于等于候选x项集中各项的最小项支持度中的最大值，则将所述初始最小支持度作为所述第二支持度；

如果所述初始最小支持度大于所述最大值，则将所述最大值作为所述第二支持度；

如果所述最大值等于所述最小值，则将所述最大值和所述初始最小支持度中的较小值作为所述第二支持度。

8.根据权利要求5所述的方法，其特征在于，所述方法还包括：

在生成频繁项集集合时，对所述候选1项集至所述候选k项集进行排序。

9.一种学习行为分析系统，其特征在于，包括：

采集模块，用于采集学习行为数据；

分析模块，用于根据所述学习行为数据，基于预设的多最小支持度关联规则算法，分析得到学生的学习行为规则。

10.根据权利要求9所述的系统，其特征在于，所述系统还包括：

预处理模块，用于对所述学习行为数据进行预处理。

11.根据权利要求9或10所述的系统，其特征在于，所述分析模块包括：

事务集生成单元，用于将一段时间内发生的学习行为数据作为一个子项集，将多个子项集集合，形成事务集；

频繁项集集合生成单元，用于根据所述事务集和所述多个子项集集合，并基于多最小支持度关联规则算法，生成频繁项集集合；

分析单元，用于根据所述频繁项集集合，得到学生的学习行为规则。