【技术实现步骤摘要】
一种基于层级超图的学生社交可视分析方法
[0001]本专利技术涉及层级超图技术和可视化技术，利用学生的基础信息
、
校园行为数据和学业成绩对学生个体和社区的社交关系
、
行为特征进行可视分析
。
该技术可广泛应用于教育管理者等相关人员客观
、
直观地深入分析研究学生校园社交关系与身心健康
、
学业成绩
、
团队建设方面相关性的场景
。
技术介绍
[0002]在教育领域，学生社交关系与他们的身心健康
、
学业成绩等密切相关，因此，和谐的社交氛围有助于提升教育教学质量
。
对于普通高校的管理者
、
教师来说，他们关注的是学生在校园中真实的社交关系，通常借助于观察
、
访谈等方式了解学生间的社交关系，并运用统计技术进行分析，但这种方式无法客观
、
便捷以及深入地分析学生的校园社交关系
。
[0003]随着智慧校园的建设，学生在校园中产...
【技术保护点】
【技术特征摘要】
1.
一种基于层级超图的学生社交可视分析方法，其特征在于包括以下步骤：步骤1：导入不同信息管理系统中的学生行为数据利用工具将存储于学校不同信息管理系统中的学生行为数据汇聚至数据库中，包括就餐行为数据
、
购物行为数据
、
进出楼宇数据
、
图书借阅数据以及网关计费数据；步骤2：在可视系统中选择要查询分析的学生群体和时间范围在系统初始界面的检索框内选择
[
学部
(
院
)]、[
专业
]、[
班级
]、[
学年
]、[
学期
]
查询；步骤3：社交关系构建社交关系网层级社区视图展示了检索的学生数据形成的社交关系图；该部分利用
zoomcharts
的力引导布局的网络图实现；图中每个节点代表一名学生，节点颜色表示宿舍信息，同一颜色的节点为同一宿舍学生，节点轮廓样式表示性别信息，光滑圆形轮廓节点表示男生
,
花瓣状轮廓节点表示女生；节点大小采用中介中心度计算，用来表示学生在社交关系网中的重要程度；节点间连线的粗细代表学生间社交关系强度，线条越粗表示两个学生间社交关系越强；社交关系构建时需要进行社交关系强度计算和中介中心度计算；
(1)
社交关系强度计算根据学生的行为数据，为每一对学生构建一个包含地点
、
日期以及时间三个维度的共现张量，以精确记录他们在不同时空的共现次数，然后基于该张量提取共现时空多样性和加权共现频次两个共现特征，进而利用线性回归方法预测学生间社交关系强度，构建学生社交关系网；
1)
首先给每个学生建立一个时空活动序列
{<s,l,d,t>}
，其中
s∈{s1,s2,...,s
M
}
表示学生集合，
l∈{l1,l2,...,l
N
}
表示活动地点集合，
d∈{d1,d2,...,d
R
}
表示活动日期，
t∈{t1,t2,...,t
K
}
表示活动时间；
2)
基于瑞丽熵进行共现时空多样性计算；表示学生
i
和
j
在三维时空共现事件的瑞丽熵，
c
ij,l,d,t
表示学生
i
和
j
在三维时空
<l,d,t>
的共现频次，表示学生
i
和
j
的共现总频次；
q
设置为
0.1
，以抑制两个学生在热点时空区域高频次巧遇对共现多样性带来的影响；
3)
计算加权共现频次；先利用香农熵度量时空区域
<l,d,t>
的受欢迎程度，如公式
2)
所示，
P
s,l,d,t
表示时空
<l,d,t>
被学生
s
访问的概率，热点区域被很多学生访问，熵值
H
l,d,t
较高，相反，非热点区域熵值较低；再基于时空区域的熵值，对学生共现的频次进行加权处理，如公式
3)
所示，其中，表示权重，热点区域的权重小，非热点区域的权重大，可有效调节共现频次对社交强度的贡献；
4)
计算社交强度值；基于时空共现多样性和加权共现频次两个特征，采用线性回归法计算学生间的社交强度值，如公式
4)
所示，其中，
α
，
β
和
ε
值通过利用
Katz
分数从学生的二进制社交关系标签即朋友和普通同学计算得到，
α
，
β
分别表示两个特征的权重，
ε
表示偏移量；对于一个学生群体，当计算得到任意两个学生间的社交强度后，则构建一个表达该群体社交关系的带权无向图
G
＝
(S,E,W)
，
S
表示学生集合，
E
表示学生间社交关系边集合，
W
表示边权重
w
ij
集合；
w
ij
＝
α
*D
ij
+
β
*F
ij
+
ε
ꢀꢀꢀꢀ
4)(2)
中介中心度计算；
σ
st
表示节点
s
到节点
t
的最短路径数量，
σ
st
(v)
表示节点
s
到节点
t
的最短路径中经过节点
v
的数量，
V
表示学生节点集合；步骤4：社区划分及社区融合社交关系图中节点底层的区块颜色代表社区信息，同一区块颜色的学生属于同一社区；
(1)
社区划分；利用基于模块度的
Louvain
算法划分学生社交关系网中的社区构成以及社区间层级...
【专利技术属性】
技术研发人员：程会敏，李小勇，张彦军，张勇，安素芳，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
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。