[发明专利]一种获取用户特定知识元兴趣度的方法

摘要

本发明公开了一种获取用户特定知识元兴趣度的方法。该方法针对网络学习系统中的学习者，目的在于准确识别及获取网络学习者的学习兴趣，对学习者未来的兴趣变化作出预测，提高网络学习者的学习效率和学习成绩。在用户模型方面，采用了一种面向网络学习人群的用户兴趣模型。在动态兴趣感知的兴趣删减算法中，采用了自动发现删减阈值的兴趣删减方法。在兴趣预测算法中，采用了一种用户协同预测的预测方法。本发明通过分析学习者的日志，可以准确的识别出用户对知识元，概念和学习资源的兴趣变化，并用定量的方式反映出兴趣的程度，并可以预测该学习者的兴趣变化，改善了已有技术的不足之处，在网络学习系统，网络个性化服务中具有良好的应用前景。

主权项

1.一种获取用户特定知识元兴趣度的方法，其特征在于：该方法可分为以下步骤：Step1：首先得到网络学习系统中某个学习者的日志，每条日志数据的格式用元组<user_id，action，object，browse_time，query_times>表示，其中user_id表示用户唯一标识；action表示用户在页面上进行的动作，包括浏览，查询，收藏，打印四种动作；object表示用户动作涉及的对象，分为概念，知识元和资源三类；browse_time表示用户在浏览这些对象上停留的时间；query_times表示用户对这些对象查询的次数；Step2：根据用户日志，对用户的动作进行筛选，选出浏览和查询两类能反映用户兴趣的动作，并得到用户直接访问过的知识元集合，概念集合和资源集合，然后计算用户在访问的概念、知识元或资源上的浏览时间及查询次数，具体过程为：设某个用户按照发生的时间顺序排列构成的日志集合为D＝{d₁，d₂，…，d_n}，涉及的对象集为O＝{o₁，o₂，…，o_m}，因为多个动作可能涉及同一个对象，所以m≤n，且O＝C∪K∪R，其中C表示D涉及的概念集合，K表示D涉及的知识元集合，R表示D涉及的资源集合，若动作d_i.action为浏览动作，d_i.browse_time为浏览该对象所花费的时间；若动作d_i.action为查询动作，d_i.object表示与查询条件最为匹配的结果，此时d_i.browse_time＝0；该用户对某一对象o_j∈0的浏览时间的计算公式如下：该用户对某一对象o_j∈O的查询次数的计算公式如下QT_j＝|{d_i|d_i∈D∧d_i.object＝o_j}|Step3：以分析日志统计数据为基础，计算概念，知识元及资源的兴趣度：若访问对象o_j∈O为资源，则o_j的兴趣度f_r(o_j)计算公式如下所示：fr(oj)=w1×BTjRBT+w2×QTjRQT]]>RBT表示分析时段内学习者对某一资源的最长访问时间；RQT表示分析时段内学习者对某一资源的最大访问次数，w₁和w₂为衡量浏览动作和查询动作对兴趣度影响程度的权值，w₁+w₂＝1；若访问对象o_j∈O为知识元，则o_j的兴趣度f_k(o_j)计算公式如下所示：fk(oj)=w1×BTjKBT+w2×QTjKQT]]>KBT表示分析时段内学习者对某一知识元的最长访问时间，KQT表示分析时段内学习者对某一知识元的最大访问次数；若访问对象o_j∈O为概念，则o_j的兴趣度f_c(o_j)计算公式如下所示：fc(oj)=w1×BTjCBT+w2×QTjCQT]]>CBT表示分析时段内学习者对某一概念的最长访问时间，CQT表示分析时段内学习者对某一概念的最大访问次数；利用上述公式分别计算出访问过的概念、知识元、资源的兴趣度值；Step4：根据公式：fk′(k)=α1fk(k)+Σr∈Rk1|Kr|×fr(r)]]>利用资源及资源的兴趣度调整知识元及知识元的兴趣度，并利用同样原理对知识元及知识元的兴趣度调整概念及概念的兴趣度；其中：K_r为资源r中包含的知识元集合，R_k为与包含知识元k的资源集合；Step5：利用兴趣删减算法，对知识元进行删减，仅保留兴趣度高的知识元，最后对概念进行删减，仅保留兴趣度高的概念，得到当前时段内用户感兴趣的知识元集合和概念集合，并利用上述步骤建立了一个基于知识元，概念，资源的网络学习用户兴趣模型；Step6：若用户存在历史兴趣集合，则按照衰减系数λ对用户以往的兴趣集合进行衰减，更新用户的兴趣集；采用固定的衰减系数对兴趣进行衰减，对知识元和概念的兴趣度衰减公式如下：f′_oldk(k)＝f_oldk(k)×λ k∈K_oldf′_oldc(c)＝f_oldc(c)×λ， c∈C_old其中λ∈(0，1)为衰减系数，属于可调参数，通过调整该参数，改变历史兴趣在当前兴趣中所占地位。λ越接近0，则兴趣结果中历史兴趣的影响越小，衰减后需将兴趣度过小的知识元或概念从兴趣中删除；Step7：根据其他用户的兴趣集合，利用公式：sim(Iu,Iv)=|Iu.C∩Iv.C||Iu.C∪Iv.C|,]]>其中I_u.C表示学习者u的兴趣I_u中感兴趣的概念集合，I_v.C表示学习者v的兴趣中感兴趣的概念集合，识别出与某个用户兴趣最为相似的若干个用户，根据这些用户的兴趣集合向该用户进行兴趣预测。