[发明专利]基于AP聚类的班级社交群体检测方法

摘要

本发明公开了一种基于AP聚类的班级社交群体检测方法，用于解决现有社交群体检测方法检测准确率低的技术问题。技术方案是利用学生课堂中的座位信息获取连接信息，利用成绩与宿舍信息代表内容信息，并将连接信息与内容信息进行融合从而得到相似度矩阵，最后将相似度矩阵作为输入，利用AP算法进行聚类从而检测出班级社区群体。由于兼顾社交网络所包含的连接信息与内容信息，并针对课堂场景，使得课堂场景中的社交群体检测准确率相比于背景技术社区发现算法都有所提升。课堂中的社交群体检测准确率的提升进而帮助教师快速了解学生的群体行为，从而有利于提高教学质量。

主权项

1.一种基于AP聚类的班级社交群体检测方法，其特征在于包括以下步骤：步骤一、根据座位信息获取连接信息：式中，l_ij^k代表第k次课堂结束后学生i和学生j的连接信息，k代表某学期某门学科的课堂总数，l_ij^(k‑1)代表第k‑1次课堂结束后学生i和学生j的连接信息，将所有的l_ij⁰初始化为0；步骤二、获取内容信息，并将连接信息和内容信息融合：式中，number_i表示第i位学生的宿舍号，c_ij代表将宿舍信息与k次课堂之后的连接信息融合的结果；式中，grade_i表示第i位学生的在该课程中取得的成绩，e_ij代表将所有的内容信息与连接信息融合之后的结果；步骤三、利用AP进行社交群体检测，将相似性矩阵S作为输入，S的形式如式(4)所示：式中，相似度矩阵中的S_(i,j)即为e_ij的大小，聚类过程如式(5)、式(6)所示：式中，r_t+1(i,k)用来描述在t+1步的迭代过程中点k适合作为数据点i的聚类中心的程度；a_t+1(i,k)用来描述在t+1步中点i选择点k作为其聚类中心的适合程度；在第一步迭代中a₁(i,j)和r₁(i,j)都被初始化为0，设置最大的迭代次数100，最终r(i,k)和a(i,k)达到了稳定状态；最后得到R和A矩阵；式中，R矩阵表示最终的r(i,k)集合，A矩阵表示最终的a(i,k)集合；将R矩阵与A矩阵相加得到M矩阵：最后按照式(10)为每个聚类中心划分数据，得到最后的聚类结果；Cluster_i＝{j|max{m(i,j)},j∈1,...,n}  (10)式中，Cluster_i代表第i个人的聚类中心点，共有n个人，m(i,j)为M矩阵的元素。