【技术实现步骤摘要】
一种学习者潜在重叠社区检测方法、装置、设备及介质
本专利技术涉及数据挖掘
，尤其是一种学习者潜在重叠社区检测方法、装置、设备及介质。
技术介绍
对目标对象而言，在线课程平台是一个极为自由的学习环境，大多数不存在课堂或班级等严格的教学组织形式，一门课程的目标对象多达几千甚至上万人，并且目标对象分布广泛，年龄结构、知识层次、学科背景甚至学习目的等均有显著差异。因此将具有相似专业背景、学习兴趣、知识层次甚至地理位置相近的目标对象“聚集在一起”(发现社区)，有助于规范和引导学习行为，为目标对象、尤其是需要精确个性化学习导向才能调动其使用在线课程进行有效学习的目标对象(惰性目标对象和冷启动目标对象)提供个性化的推荐服务，促进学习目标的有效达成并提升在线课程平台的粘度；同时，也有助于评估和预测目标对象活动，发现潜在问题，为在线课程平台教育管理者和平台功能演化及预测等提供决策性支持。在线课程中社区的概念早已被提及，在已有的研究中，多数指的是网络学习社区或虚拟学习社区，它是指由具有共同兴趣和学习目的的目标对象组成的学习团体在I...
【技术保护点】
1.一种学习者潜在重叠社区检测方法，其特征在于，包括：/n将目标对象的社交关系数据和学习关系数据抽象成学习者关系网络；所述目标对象包括学者或学习者；/n获取目标对象在学术社交网络中的学术好友关系，对所述学习者关系网络进行补全；/n在所述补全后的学习者关系网络中查找学习者关系网络高阶结构三角形模体，构建所述三角形模体的邻接矩阵；/n根据所述邻接矩阵，确定所述学习者关系网络中的节点标签；/n根据所述节点标签，确定目标对象潜在重叠社区的检测结果。/n
【技术特征摘要】
1.一种学习者潜在重叠社区检测方法，其特征在于，包括：
将目标对象的社交关系数据和学习关系数据抽象成学习者关系网络；所述目标对象包括学者或学习者；
获取目标对象在学术社交网络中的学术好友关系，对所述学习者关系网络进行补全；
在所述补全后的学习者关系网络中查找学习者关系网络高阶结构三角形模体，构建所述三角形模体的邻接矩阵；
根据所述邻接矩阵，确定所述学习者关系网络中的节点标签；
根据所述节点标签，确定目标对象潜在重叠社区的检测结果。
2.根据权利要求1所述的一种学习者潜在重叠社区检测方法，其特征在于，所述将目标对象的社交关系数据和学习关系数据抽象成学习者关系网络，包括：
将所述目标对象的学术好友关系作为社交关系数据，将所述目标对象的师生关系和同学关系作为学习关系数据；
根据所述社交关系数据和所述学习关系数据，构建学习者关系网络；
其中，所述学习者关系网络为无向无权重复杂网络；
所述无向无权重学习者关系网络的图结构表达式为：G(V，E)；
V是目标对象节点集合，E是目标对象之间关联关系的集合，即V＝{v1，v2，...，vn}，E＝{e1，e2，...，em}，n和m分别表示目标对象人数和目标对象之间的关联关系数，所述目标对象之间的关联关系使用V中的两个目标对象节点(vi，vj)来表示。
3.根据权利要求1所述的一种学习者潜在重叠社区检测方法，其特征在于，所述获取目标对象在学术社交网络中的学术好友关系，对所述学习者关系网络进行补全，包括：
获取目标对象在课程平台上的同学关系和/或师生关系；
将所述同学关系和/或师生关系补全所述学习者关系网络。
4.根据权利要求1所述的一种学习者潜在重叠社区检测方法，其特征在于，所述根据所述邻接矩阵，确定所述学习者关系网络中的节点标签，包括：
从所述邻接矩阵中依次确定最大元素；
对所述最大元素对应的节点进行标签和权重的赋值；
判断每个所述三角形模体中节点标签的并集是否为空集，若是，则返回执行从所述邻接矩阵中依次确定最大元素的步骤；反之，则完成所述节点标签的初始化过程。
5.根据权利要求4所述的一种学习者潜在重叠社区检测方法，其特征在于，所述根据所述邻接矩阵，确定所述学习者关系网络中的节点标签，还包括：
当节点拥有多个标签时，删除权重小于阈值的标签及该标签对应的权重；
当所述节点的所有标签的权重均小于所述阈值，则保留所有标签中最大的一个标...
【专利技术属性】
技术研发人员：李春英，汤志康，林伟杰，肖政宏，罗梓元，吴伟杰，彭家宇，
申请(专利权)人：广东技术师范大学，
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。