一種基于思維地圖的網絡學習資源推薦方法
【專利摘要】本發(fā)明公開了一種基于思維地圖的網絡學習資源推薦方法，包括以下步驟：分析學習者訪問基于知識地圖的網絡學習系統(tǒng)的學習行為日志，計算學習時長閾值，并對學習行為日志進行預處理；構建學習路徑網絡與學習事務圖集合；然后，基于學習路徑網絡挖掘針對特定知識元集合的思維地圖（起泡圖或者雙起泡圖）；最后，將挖掘結果反饋給學習者，以實現(xiàn)基于思維地圖的網絡學習知識推薦。本發(fā)明可以為網絡學習者提供基于認知策略的圖式知識推薦服務，進而提高其學習效率。
【專利說明】—種基于思維地圖的網絡學習資源推薦方法
【技術領域】
[0001]本發(fā)明屬于網絡學習資源推薦【技術領域】，涉及一種基于思維地圖的網絡學習資源推薦方法。
【背景技術】
[0002]隨著信息技術的不斷發(fā)展，人類求知的形式也發(fā)生了巨大的變化。e-Learning因其能突破時空限制、便于資源共享和支持自主學習等特點已成為人們繼續(xù)教育和獲取知識的重要手段。現(xiàn)有e-Learning學習模式主要依據(jù)行為主義理論，該理論認為學習是外部知識向學習者記憶的簡單“搬遷”過程。而認知理論認為，學習是認知主體通過同化與順應機制不斷形成新認知結構的過程，知識的內在關聯(lián)性在該過程中具有重要作用。現(xiàn)有學習模式缺乏表達這種內在關聯(lián)性的能力，難以有效地協(xié)助學習者完成知識建構，容易引發(fā)認知過載。因此，有學者依據(jù)認知科學的研究成果，提出了知識地圖的概念。知識地圖描述了某個領域所包含的知識單元以及知識單元之間的內在關聯(lián)，但卻沒有指出應當如何學習這些知識單元，即學習這些知識單元的思維方式。
[0003]思維地圖作為一種支持思維方式訓練的視覺語言工具，能促進e-Learning學習者對不同類型知識的具體學習。目前的教育實踐當中，思維地圖多用于對學習者進行技能訓練，即使為學習者進行基于思維地圖的知識推薦服務，思維地圖也多是由指導老師或有經驗的學習者繪制，需要較大的人工標注工作量，難以在智能e-Learning系統(tǒng)中推廣。
[0004]申請?zhí)枮?01210178807的中國發(fā)明專利，公開了一種個性化網絡學習資源推薦方法。該專利公開了一種基于用戶興趣度的個性化網絡學習資源推薦方法，包括分析學習者訪問基于擴展主題圖的網絡學習系統(tǒng)的行為數(shù)據(jù)，獲得學習者及其群組對學習內容相關的概念和知識元的學習興趣路徑變化模式，然后根據(jù)學習者個體及其所在群組的學習興趣路徑變化模式以及擴展主題圖的學習對象之間的前后序等關系，實現(xiàn)給學習者主動推薦合適的學習資源的個性化推薦。其具有如下特點:
[0005]1、給出了 e-Learning學習者的學習興趣識別方法，用于識別學習者在某一時間段內的學習興趣變遷模式及相應的興趣度；
[0006]2、從學習者學習的內容中提取興趣，用于提取出用戶感興趣的知識點。
[0007]3、給出了 e-Learning學習者興趣刪減和融合的方法，用于調整用戶的學習興趣變遷模式；
[0008]4、給出了 e-Learning學習者興趣預測的方法，用于預測學習者將來的興趣點，從而根據(jù)學習者的興趣進行學習資源推薦。
[0009]根據(jù)上述查新發(fā)現(xiàn)，現(xiàn)有的網絡學習資源推薦方法存在如下三個方面問題:1、缺乏基于認知策略的網絡學習推薦方法。2、對于策略性知識、程序性知識和陳述性知識等類型，缺乏具體的學習思維方式。3、思維地圖作為一種認知策略的學習工具，且支持思維方式訓練，但缺乏一種由機器自動生成的方法。
【發(fā)明內容】

[0010]本發(fā)明的目的在于提供一種基于思維地圖的網絡學習資源推薦方法，在知識地圖系統(tǒng)當中根據(jù)學習者的請求，自動生成與其相關的圖示的學習資源。
[0011]為了實現(xiàn)上述目的，本發(fā)明采用如下技術方案:
[0012]一種基于思維地圖的網絡學習資源推薦方法，其特征在于:包括以下操作:
[0013]I)采集學習者與基于知識地圖的網絡學習系統(tǒng)交互過程中產生的學習行為日志，分析學習行為日志中的學習時長，獲取學習時長閾值，并以該閾值對學習行為日志進行過濾，獲取有效日志；
[0014]2)根據(jù)過濾后的日志數(shù)據(jù)構建學習路徑網絡與學習事務圖集合；
[0015]3)根據(jù)外界服務請求和學習路徑網絡、學習事務圖集合挖掘起泡圖或雙起泡圖；當請求為一個知識元時挖掘起泡圖，請求為兩個知識元時挖掘雙起泡圖；在挖掘時先初始化候選子圖集合，然后在學習路徑網路當中找到與候選子圖有邊連接且此邊具有最大權值的節(jié)點，則將此節(jié)點與此邊加入該候選子圖，形成新的候選子圖集合；重復此過程，直到候選子圖的節(jié)點個數(shù)達到給定的閾值為止，最后選取相對支持度最大的候選子圖作為挖掘結果的起泡圖或雙起泡圖；
[0016]4)將挖掘結果推薦給學習者，并在學習者與學習系統(tǒng)進行交互的過程中采集學習日志。
[0017]所述獲取有效日志的步驟如下:
[0018]學習者與基于知識地圖的網絡學習系統(tǒng)交互過程中產生的學習行為日志表示為{clicklnforj ;其中 clicklnfor= (userid, objectld, timeStamp, clickLength) ,userid表示學習者標識，objectld表示該日志所對應的學習對象標識，timeStamp表示該日志所對應的學習過程的開始時間，clickLength表示該日志所對應的學習過程的學習時長；
[0019]首先對學習行為日志中所有點擊行為進行分析，統(tǒng)計出學習時長clickLength與相應點擊次數(shù)clickCount之間的對應關系，將學習行為日志中的點擊行為看作兩種類型點擊的集合:
[0020]一種是用戶與系統(tǒng)進行一般性交互產生的，其點擊次數(shù)f (t)隨停留時長t變化的規(guī)律服從韋伯分布
【權利要求】
1.一種基于思維地圖的網絡學習資源推薦方法，其特征在于:包括以下操作: 1)采集學習者與基于知識地圖的網絡學習系統(tǒng)交互過程中產生的學習行為日志，分析學習行為日志中的學習時長，獲取學習時長閾值，并以該閾值對學習行為日志進行過濾，獲取有效日志； (2)根據(jù)過濾后的日志數(shù)據(jù)構建學習路徑網絡與學習事務圖集合； (3)根據(jù)外界服務請求和學習路徑網絡、學習事務圖集合挖掘起泡圖或雙起泡圖；當請求為一個知識元時挖掘起泡圖，請求為兩個知識元時挖掘雙起泡圖；在挖掘時先初始化候選子圖集合，然后在學習路徑網路當中找到與候選子圖有邊連接且此邊具有最大權值的節(jié)點，則將此節(jié)點與此邊加入該候選子圖，形成新的候選子圖集合；重復此過程，直到候選子圖的節(jié)點個數(shù)達到給定的閾值為止，最后選取相對支持度最大的候選子圖作為挖掘結果的起泡圖或雙起泡圖； (4)將挖掘結果推薦給學習者，并在學習者與學習系統(tǒng)進行交互的過程中采集學習日
2.根據(jù)權利要求1所述的基于思維地圖的網絡學習資源推薦方法，其特征在于，獲取有效日志的步驟如下: 學習者與基于知識地圖的網絡學習系統(tǒng)交互過程中產生的學習行為日志表示為{clicklnforj ;其中 clicklnfor= (userid, objectld, timeStamp, clickLength) ,userid表示學習者標識，objectld表示該日志所對應的學習對象標識，timeStamp表示該日志所對應的學習過程的開始時間，clickLength表示該日志所對應的學習過程的學習時長； 首先對學習行為日志中所有點擊行為進行分析，統(tǒng)計出學習時長clickLength與相應點擊次數(shù)clickCount之間的對應關系，將學習行為日志中的點擊行為看作兩種類型點擊的集合: 一種是用戶與系統(tǒng)進行一般性交互產生的，其點擊次數(shù)f(t)隨停留時長t變化的規(guī)律服從韋伯分布/⑴=/b) t ； 另一種是學習者的真實學習過程產生的日志，其點擊次數(shù)g(t)隨停留時長t變化的規(guī)律服從高斯分布gG) = C=V…-新、; 將clickLength作為自變量t, clickCount看作f (t)與g(t)的取值之和,對f (t)與g(t)進行擬合:
g(i) = 94.14*eH(i_38.98)/2U2)_).按照g(t)置信度為90%的置信區(qū)間，選取學習者的學習行為的點擊停留時長閾值為clickLengthThreshold ； 然后過濾掉學習行為日志IclickInforJ中所有點擊時長clickLength－clickLengthThreshold 的 ClickInfori,得到有效日志集{clicklnfj。
3.根據(jù)權利要求1所述的基于思維地圖的網絡學習資源推薦方法，其特征在于:根據(jù)效日志集IclickInfJ構建學習路徑網絡LM的步驟如下: 學習路徑網絡表示為LM(LU，LE，Ib (LU)，Ib(LE))，其中，LU表示學習者所學習過的知識元集合； LE表示學習者在學習過程中形成的學習路徑上各條無向邊的集合； Ib (LU)表示LU中所有節(jié)點Vi的標記所組成的集合，對任意節(jié)點Vi e LU, Ib (Vi) = (e)i,ccv (Vi)，Itv (Vi)，Iqv (Vi)) ；ccv (Vi)表示對節(jié)點Vi的累計點擊次數(shù)，Itv (Vi)表示對節(jié)點Vi的累計停留時長，；lqV(Vi)表示學習過節(jié)點Vi的不同學習者的數(shù)量； Ib(LE)表示LE中所有ei的標記所組成的集合,對任意邊ei e LE, Ib (ej = (e” jce (e)，Ite (ei, Iqe (ei) ；jce(ei)表示沿Oi的累計跳轉次數(shù),IteGi)表示沿Oi的累計學習時長，Iqe (e,)表示沿&跳轉過的不同學習者的累計數(shù)量；(Vi,')與(',Vi)均表示同一條邊；首先統(tǒng)計有效日志集IclickInfJ中所有學習對象標識ObjectIdi,組成集合LU,根據(jù)有效日志集IclickInfJ統(tǒng)計LU中每一個節(jié)點Vi所對應的累計點擊次數(shù)CCV(Vi)、累計停留時長Itv (Vi)、不同學習者的數(shù)量Iqv (Vi)，組成集合Ib (LU)； 其次統(tǒng)計有效日志集IclickInfJ中每一個學習者UserIdk所對應的日志集{clicklnfkl, clicklnfk2,...，clicklnfkn},并將邊(objectIdki, objectldk(i+1))構成集合 LE 中；根據(jù)有效日志集IclickInfJ統(tǒng)計LE中每一條邊Gi的累計跳轉次數(shù)jce (ej ,累計學習時長Ite (e,)，不同學習者的累計數(shù)量Iqe (e,)，組成集合Ib (LE)。
4.根據(jù)權利要求3所述的基于思維地圖的網絡學習資源推薦方法，其特征在于:根據(jù)有效日志集IclickInfJ構建學習事務圖集合TG的步驟如下: 學習事務圖集合表示為TG(tgl，tg2,...，tgm)，其中，tgi表示學習者一次登錄的學習路徑構成的無向圖，tgi= (TVi, TEi) ;!表示學習事務圖tgi的節(jié)點集合，G: LU表示學習者所學習過的知識元集合，TEi表示學習事務圖tgi的邊集合，TEiTVi XTVi, (Vi> v.)與(vj, Vi)表示相同的邊表示學習者登錄學習的次數(shù)； 首先統(tǒng)計有效日志集IclickInfJ中每一個學習者UserIdk每次登錄后的學習過程所對應的日志集IclickInfkl, clicklnfk2,...，clicklnfto}，則該過程所對應的學習事務圖1g1=(TYuTE1)為:
TVi=1bjectIdkl, objectIdk2,...，objectIdkn}, ObjectIdkn 表示第 k 個學習者所學習的第η個學習對象； 兩個學習對象構成一條邊，則
TEi= {(objectldkl, objectldk2), (objectldk2, objectIdk3),..., (ObjectIdk(1), objectIdkn) I ; 學習事務圖集合TG為根據(jù)有效日志集IclickInfJ分析得出的所有學習事務圖丨&組成的集合。
5.根據(jù)權利要求4所述的基于思維地圖的網絡學習資源推薦方法，其特征在于，根據(jù)學習路徑網絡LM與學習事務圖集合TG挖掘得到的起泡圖或雙起泡圖表示為cm(DV, CV, CE)，其中，DV為輸入的學習目標知識元組成的集合，當DV中僅有一個知識元時挖掘起泡圖，如果DV中有兩個知識元時則挖掘雙起泡圖；CV為起泡圖或雙起泡圖中知識元節(jié)點的集合；CE為起泡圖或雙起泡圖中節(jié)點之間邊的集合，CEgCVxCV 根據(jù)學習路徑網絡LM與學習事務圖集合TG挖掘以學習目標知識元集合DV為中心的起泡圖或雙起泡圖的具體步驟為: (1)如果DV中元素個數(shù)DV|=1，則初始化1-CM={(DV，CV，CE)}，CV=DV, CE=0 ;如果|DV|=2，則初始化2-011={(0￥，CV, CE)}, CV=DV, CE=φ ;其中，k_CM為具有k個節(jié)點的候選子圖組成的集合； (2)初始化候選節(jié)點集合VS={Vi|dis(DV，Vi，LM)( r}-DV，初始化候選邊集合ES={(Vi, Vj) I Vi, Vj e VS, (Vi, Vj) e LE},其中，dis (DV, Vi, LM) =min {dis (Vi, Vj, LM)}, Vj e DV ；dis (Vi, Vj, LM)表示Vi與Vj在LM中的距離； (3)將VS中的每一個節(jié)點分別加入CV中，將ES中對應的邊加入CE中，形成新的k+Ι節(jié)點候選子圖集(k+1)-CM，加入節(jié)點與邊的方法為:首先將節(jié)點\加入CV中，然后計算節(jié)點Vj與DV中各個節(jié)點Vi之間的邊的權重weight ((Vi, Vj))；
weight ((Vi, vJ))=jce((vi, Vj)) / [dis (DV, Vi, LM)+dis(DV, Vj, LM)], Vi e DV,將weight ((Vi, Vj))最大的邊加入 CE 中形成(k+1)-cm= (DV, CV U {v」}，CE U并將k+1節(jié)點候選子圖(k+1)-cm加入k+1節(jié)點候選子圖集(k+l)_CM中；如果對VS中某個節(jié)點Vj,所有weight ((Vi, Vj))都等于O,則不加入該節(jié)點,k_cm表示某個具有k個節(jié)點的候選子圖；
(4)對k-CM 中的任意兩個候選子圖11-Cmi (DV, k-CVi, k-CEj 與 k-cm」(DV, k-CV」，k-CEj):如果 Ik-CVi n k-CVj I =k-l,合并 k-cnii 與 k-cm」為新的(k+1) _cmh(DV, I1-CVi U k-CVj,(k+1) -CEh)，其中，(k+1) -CEh為I1-CVi U k-CVj中節(jié)點的最大生成樹中的邊組成的集合；k-CVi U k-CVj 中任意兩個節(jié)點 Vi 與 Vj 間的權重 weight ((Vi, Vj)) =jce ((Vi, Vj)) /[dis (DV, Vi, LM) +dis (DV, Vj, LM)]； (5)判斷(k+1)-cmh是否滿足約束條件,如果滿足,則將(k+l)_cmh加入(k+l)_CM中；否貝U，將(k+1)-Cmh刪除；約束條件的表述為:
6.如權利要求5所述的基于思維地圖的網絡學習資源推薦方法，其特征在于，對于起泡圖，約束條件中各閾值為:

7.如權利要求5所述的基于思維地圖的網絡學習資源推薦方法，其特征在于，所述的請求為學習者的顯式查詢，學習者對知識地圖中某個知識元的點擊，或者為領域教學專家針對教學習題的標注。
8.根據(jù)權利要求1所述的基于思維地圖的網絡學習資源推薦方法，其特征在于:基于思維地圖的網絡學習資源推薦方法的輸入為學習目標知識元集合DV，輸出為起泡圖或雙起泡圖cm，學習資源推薦的具體步驟為: (1)對日志進行預處理，分析學習時長閾值，并對學習日志進行過濾獲取有效日志集{clicklnfj ； (2)根據(jù)有效日志集{clicklnfj構建學習路徑網絡LM與學習事務圖集合TG; (3)挖掘以DV為中心的起泡圖或雙起泡圖cm； (4)將挖掘結果推薦給學習者并采集學習日志。
【文檔編號】G06F17/30GK103455576SQ201310370799
【公開日】2013年12月18日 申請日期:2013年8月22日 優(yōu)先權日:2013年8月22日
【發(fā)明者】田鋒, 陳妍, 付雁, 曾彬, 鄭慶華 申請人:西安交通大學