一种基于学习跟踪模型的学习情况统计方法技术

本发明专利技术涉及一种基于学习跟踪模型进行学习情况统计的方法。学习跟踪模型具体包括跟踪信息类，Range类，Repeated类，LastResult类；其中，Range类聚合到跟踪信息类，Range类还聚合到Repeated类和LastResult类。跟踪信息类，用于表示跟踪信息，包括跟踪片段信息、标识信息；Range类，表示一个通用封闭区间，用于记录范围，记录一个区间开始值和一个区间结束值；Repeated类，用于表示重复作用的范围，包括标识信息、重复作用范围；LastResult类，用于表示最新的作用范围情况统计，包括作用范围统计信息。本发明专利技术能简化系统的开发，从存储空间和运算时间上双向节约成本，能灵活的控制跟踪和计算的粒度，而不会对模型的结构造成影响。

【技术实现步骤摘要】
一种基于学习跟踪模型的学习情况统计方法
本专利技术涉及在线网络教育
，尤其涉及一种基于学习跟踪模型的学习情况统计方法。
技术介绍
在线网络教育的
中，现有技术中对于用户学习情况的统计，一般是这对具体领域进行具体统计，例如看视频看了多少时间，用几倍速看的，有效看课时间是多少以及阅读、做题的完成情况等等，这些统计都是采用独立且不同的模型进行的。经长时间对在线教育系统运营的观察和思考，发现这些独立模型占用大量的运行时间和空间，学习跟踪统计的粒度不能灵活的控制，且统计计算量大。因此，有必要提供一种统一模型及统计方法，解决系统复杂度高、系统开发和运营的成本高的问题。
技术实现思路
鉴于上述的分析，本专利技术旨在提供一种基于学习跟踪模型进行学习情况统计的方法，用以解决现有学习系统，统计过程复杂，学习系统开发和运营成本高的问题。本专利技术的目的主要是通过以下技术方案实现的：提供了一种基于学习跟踪模型进行学习情况统计的方法，所述学习跟踪模型包括跟踪信息类，Range类，Repeated类，LastResult类；其中Range类聚合到跟踪信息类，Range类还聚合到Repeated类和Las本文档来自技高网...

【技术保护点】
一种基于学习跟踪模型进行学习情况统计的方法，其特征在于，所述学习跟踪模型包括跟踪信息类，Range类，Repeated类，LastResult类；其中Range类聚合到跟踪信息类，Range类还聚合到Repeated类和LastResult类；跟踪信息类，用于表示跟踪信息，包括跟踪片段信息、标识信息；Range类，表示一个通用封闭区间，用于记录范围，记录了一个区间开始值和一个区间结束值；Repeated类，用于表示重复作用的范围，包括标识信息、重复作用范围；LastResult类，用于表示最新的作用范围情况统计；学习情况统计的方法，包括以下步骤：步骤S1.根据接收的跟踪信息创建跟踪信息类的对象...

【技术特征摘要】
1.一种基于学习跟踪模型进行学习情况统计的方法，其特征在于，所述学习跟踪模型包括跟踪信息类，Range类，Repeated类，LastResult类；其中Range类聚合到跟踪信息类，Range类还聚合到Repeated类和LastResult类；跟踪信息类，用于表示跟踪信息，包括跟踪片段信息、标识信息；Range类，表示一个通用封闭区间，用于记录范围，记录了一个区间开始值和一个区间结束值；Repeated类，用于表示重复作用的范围，包括标识信息、重复作用范围；LastResult类，用于表示最新的作用范围情况统计；学习情况统计的方法，包括以下步骤：步骤S1.根据接收的跟踪信息创建跟踪信息类的对象；步骤S2.对跟踪信息类的对象进行预处理；步骤S3.通过迭代循环处理跟踪信息类的对象，以进行学习情况统计；步骤S4.获取并存储重复数据信息；步骤S5.更新统计结果并存储。2.根据权利要求1所述的学习情况统计的方法，其特征在于，所述学习跟踪模型的跟踪信息类进一步包括Trace类和Tracepiece类，Tracepiece类聚合到Trace类，Range类聚合到Trace类；Trace类包含TracePiece类集合，每一个TracePiece类的对象对应一条跟踪信息；Trace类用于进行跟踪信息的标识，包括Pieces属性和标识属性，Pieces属性通过Tracepiece类集合表示，标识属性用于标识用户和/或业务类型；Tracepiece类包括pieceRange和timeRange属性，pieceRange属性用于表示作用区间，通过Range类的对象进行记录；timeRange属性用于表示用时区间，通过Range类的对象进行记录。3.根据权利要求2所述的学习情况统计的方法，其特征在于，所述学习跟踪模型的Repeated类包括标识属性、重复作用范围属性和重复作用时间属性；其中，重复作用范围属性通过Range类对象的集合表示；LastResult类包括coveredRanges属性、timeRanges属性、统计值属性和标识属性；其中，coveredRanges属性用于表示作用区间情况，通过Range类对象的集合表示；timeRanges属性用于表示用时分布情况，通过Range类对象的集合表示；统计值属性用于表示作用总点数和/或用时总长度；标识属性用于标识用户和/或业务类型。4.根据权利要求3所述的学习情况统计的方法，其特征在于，所述LastResult类中的coveredRanges属性和timeRanges属性的值作了排序处理。5.根据权利要求4所述的学习情况统计的方法，其特征在于，步骤S2中所述的预处理包括去重、存储和获取最后结果集；其中，去重是依据Trace类对象中标识信息和TracePiece中的timeRange进行数据去重处理；去重处理之后将Trace类的对象进行存储；获取最后结果集是依据Trace类对象中的标识信息来获取对应用户上次学习统计结果数据，上次学习统计结果数据存储在LastResult类的对象中；如果新用户，则创建一个空的LastResult类的对象并初始化。6.根据权利要求4所述的学习情况统计的方法，其特征在于，步骤S3中的每一次迭代循环处理包括学习区间计算和用时区间计算，通过计算得到已作用信息和重复作用...

【专利技术属性】
技术研发人员：祝敏，李学斌，周明明，桑杉，
申请(专利权)人：北京正保育才教育科技股份有限公司，
类型：发明
国别省市：北京,11