[发明专利]一种在线开放课程最优视频时长分析方法

权利要求书

1.一种在线开放课程最优视频时长分析方法，其特征在于，该方法包括以下步骤：

S1：将学习者观看视频行为数据转化为矩阵表示；

将学习者观看视频行为数据表示为一个矩阵，d_ij表示第i个学习者观看第j个视频的总时间，学习者观看视频行为就可以表示为一个矩阵D＝(d_ij)_m×n，其中m表示学习者的数量，n表示视频的数量，i＝1,2,...,m,j＝1,2,3,...,n；

S2：过滤无效的观看视频行为数据；

通过预处理，所有的观看数据中不再包含介于0-60秒的数据；预处理算法公式为：

预处理以后的集合记为

S3：计算视频吸引力因子；

设w_j为第j个视频有效观看视频行为的平均观看时间，计算公式为：

算法中只计算有效观看行为的平均观看时长，经过预处理以后的集合所有观看时长大于0的观看行为都是有效行为；

设课程的视频时长为{v_j|j＝1,2,...,n}，视频吸引力因子定义为第j个视频平均观看时间与视频长度的比率，为：

S4：估计最优视频分布区间[L,U]；

S4.1选取视频吸引力因子R_j大于0.9的视频，记录每一个视频的时长；

S4.2应用Bootstrap方法估计最受学习者欢迎的视频时长的分布区间；

利用Bootstrap方法通过计算机模拟采样估计参数均值区间[L,U]，对样本做放回抽样，根据抽取实验估计均值的分布区间[L,U]，将区间[L,U]作为最受欢迎的视频时长分布的区间；

S5：计算课程各个时段视频的最优长度；

S5.1当视频数量小于容忍度阈值M时，视频吸引力受到发布时间的影响较小，课程各个时段的视频时长都为[L,U]；

S5.2当课程视频数量大于容忍度阈值M时，计算视频吸引力与视频编号的回归系数；

视频吸引力与视频发布时间线性相关，利用线性回归分析，建立视频吸引力与发布时间的函数关系：

设课程视频吸引力集合为{R_j}，视频编号集合为{N_j}，建立回归方程这里b₀和b₁为回归系数，e_j为残差，即R_j和估计值之间的误差值，应用回归分析，计算回归系数b₀和b₁；

S5.3利用回归系数b₀和b₁计算视频数量大于容忍度阈值M时各阶段最优视频时长，公式为

即第j个视频的最优视频时长应该包含在区间[L_j,U_j]中，也就是说设计的第j个视频的时长不超过U_j时，能够最大限度保持学习者的观看热情。

2.一种根据权利要求1所述在线开放课程最优视频时长分析方法，其特征在于：视频时长的容忍度阈值M介于40-50之间。

3.一种根据权利要求1所述在线开放课程最优视频时长分析方法，其特征在于：视频时长的容忍度阈值M＝50。