【技术实现步骤摘要】
一种用于多人在线学习平台的社区识别算法
本专利技术涉及在线学习平台
，尤其涉及一种用于多人在线学习平台的社区识别算法。
技术介绍
社区，是一个区别于群体的概念，群体是基于客观因素强制形成的，如一个班级就是一个群体，而社区是基于人为主观因素而自然形成的，如班级内的某些小团体，社区内部有着相同的交流话题、兴趣及特征等，而社区之间是缺少交流的，社区识别可用于发现社区团体、控制社区舆论、发现社区特征，因此被广泛应用于社区发现、精准营销、舆情控制、情感分析、信息传播、推荐等领域。目前社区识别大多采用聚类算法，聚类算法的核心是将具有相似属性的样本进行聚合，达到类内相似度高且类间相似度低的目标，在社交网络中使用聚类算法，可以将群体内联系较为紧密的个体进行聚合，并通过联系较为松散的边界将群体进行分割，但是传统的方法存在一些弊端，比如参数的选取、聚类模型的选取、目标社区数目的选取、模型终止条件的选取等都会对最终的划分结果产生较大的影响,因此，本专利技术提出一种用于多人在线学习平台的社区识别算，以解决现有技术中的不足之处。
技术实现思路
针对上述问题，本专利技术通过采用基于信息熵的...
【技术保护点】
1.一种用于多人在线学习平台的社区识别算法，其特征在于，包括以下步骤：步骤一：收集多人在线学习平台内的用户数据及用户间的社交数据，构建一个用户间的连通矩阵；步骤二：构建无向图，无向图的顶点为用户，顶点间的边为社交行为，再以邻接矩阵的形式进行存储，构建过程中首先进行判断边的两个顶点的引索，其次进行判断边的类型，进而为边赋权值；步骤三：计算各节点间最短距离VsdSD；步骤四：利用启发式算法来设置邻近节点占总节点数的百分比的最小值、最大值及增长值；步骤五：利用信息熵来约束计算最优截断距，再保存最优截断距离，首先设置当前邻近节点百分比等于邻近节点百分比最小值，再进行接下来的计算：A...
【技术特征摘要】
1.一种用于多人在线学习平台的社区识别算法，其特征在于，包括以下步骤：步骤一：收集多人在线学习平台内的用户数据及用户间的社交数据，构建一个用户间的连通矩阵；步骤二：构建无向图，无向图的顶点为用户，顶点间的边为社交行为，再以邻接矩阵的形式进行存储，构建过程中首先进行判断边的两个顶点的引索，其次进行判断边的类型，进而为边赋权值；步骤三：计算各节点间最短距离VsdSD；步骤四：利用启发式算法来设置邻近节点占总节点数的百分比的最小值、最大值及增长值；步骤五：利用信息熵来约束计算最优截断距，再保存最优截断距离，首先设置当前邻近节点百分比等于邻近节点百分比最小值，再进行接下来的计算：A：计算出使各节点的邻近节点百分比等于当前邻近节点百分比的截断距离；B：假定每一个用户在社交网络中映射为一个点，利用启发式算法对每一个映射形成的点进行计算一个截断距离，然后对所有的截断距离求取算数平均数得到全局截断距离，按照该截断距离来求取全局的信息熵值，然后找到使熵值最小的截断距离作为最优的截断距离参数；C：计算各节点的局部密度；D：计算各节点到其他具有更高局部密度的点的距离；E：计算各节点的归一化积；F：将各点的归一化积除于归一化积的总和，得到一个【0，1】内的值，再将得到的【0，1】内的值覆盖原归一化积的值；G：将归一化积带入信息熵公式，计算信息熵值；H：在一定的范围内进行穷举，找到最优的参数，其中穷举的增长步长为增长值，设置当前邻近节点百分比等于当前邻近节点百分比加邻近节点百分比增长值；I：判断当前邻近节点百分比是否大于邻近节点百分比最大值，若否，跳转至计算步骤A，若是，则进行下一步骤；步骤六：得到的信息熵值最小时，则表示截断距离最优，保存此时的最优截断距离；步骤七：将归一化积序列进行降序排序；步骤八：设置最大社区数等于其中n为总节点数，结果向...
【专利技术属性】
技术研发人员：胡永春，龙美霖，柯维海，黄建超，喻志翀，
申请(专利权)人：广东德诚科教有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。