【技术实现步骤摘要】
本专利技术涉及数据分析，特别涉及一种基于用户行为分析的学习内容优化方法及系统。
技术介绍
1、当前，个性化学习已成为提高学习质量和效率的重要途径。个性化学习主要依赖于对学生行为数据的分析，以识别其学习需求和偏好，进而提供定制化的学习内容。然而，传统的学习管理系统常常缺乏有效地分析和优化学习内容的能力，尤其是在离线学习环境中，这种挑战更为显著。
技术实现思路
1、为改善相关技术中存在的技术问题，本专利技术提供了一种基于用户行为分析的学习内容优化方法及系统。
2、第一方面，本专利技术实施例提供了一种基于用户行为分析的学习内容优化方法，应用于用户行为分析系统，所述方法包括：
3、将待分析离线学习行为数据分别传入目标学习内容优化决策网络的若干个行为要素分析组件，获得若干个离线学习行为要素变量；
4、将所述若干个离线学习行为要素变量的第一全局学习行为要素变量，传入所述目标学习内容优化决策网络的学习文本更新组件，获得所述待分析离线学习行为数据的离线学习文本更新标签；
5、其中，所述目标学习内容优化决策网络是基于若干个用户行为采集任务各自对应的调试示例集，对未调试学习内容优化决策网络进行若干次循环调试获得的，每个调试示例集对应一个行为要素分析组件，每个调试示例包括：相应用户行为采集任务下的离线学习行为数据调试示例以及表征是否携带离线学习文本更新标签的先验知识；在每次循环调试过程中，将所述若干个调试示例集中的一个调试示例集作为网络性能评估示例集，将剩
6、在一些可替换的方案中，所述目标学习内容优化决策网络还包括深度残差组件；所述将待分析离线学习行为数据分别传入目标学习内容优化决策网络的若干个行为要素分析组件，获得若干个离线学习行为要素变量，包括：
7、将所述待分析离线学习行为数据传入所述深度残差组件，获得所述待分析离线学习行为数据的初始学习行为要素变量；
8、将所述待分析离线学习行为数据的初始学习行为要素变量分别传入所述若干个行为要素分析组件，获得所述若干个离线学习行为要素变量。
9、在一些可替换的方案中，所述目标学习内容优化决策网络还包括特征拼接组件；则将所述若干个离线学习行为要素变量的第一全局学习行为要素变量传入所述目标学习内容优化决策网络的学习文本更新组件之前，还包括：将所述待分析离线学习行为数据的初始学习行为要素变量和所述若干个离线学习行为要素变量传入所述特征拼接组件，获得所述第一全局学习行为要素变量；
10、所述将所述若干个离线学习行为要素变量的第一全局学习行为要素变量传入所述目标学习内容优化决策网络的学习文本更新组件，获得所述待分析离线学习行为数据的离线学习文本更新标签，包括：将所述待分析离线学习行为数据的初始学习行为要素变量和所述第一全局学习行为要素变量，传入所述目标学习内容优化决策网络的学习文本更新组件，获得所述待分析离线学习行为数据的离线学习文本更新标签。
11、在一些可替换的方案中，所述若干个行为要素分析组件中的每个行为要素分析组件包括若干个行为要素分析节点，将所有的行为要素分析节点分为多层，每层包括所述若干个行为要素分析组件各自的一个行为要素分析节点；所述将所述待分析离线学习行为数据的初始学习行为要素变量分别传入所述若干个行为要素分析组件，获得所述若干个离线学习行为要素变量，包括：
12、将所述待分析离线学习行为数据的初始学习行为要素变量，依次分别传入多层行为要素分析节点，获得所述若干个离线学习行为要素变量；
13、其中，每传入一层行为要素分析节点，将生成的各个学习行为要素变量进行特征拼接，再传入后一层行为要素分析节点。
14、在一些可替换的方案中，所述基于任务推广调试策略对所述若干个行为要素分析组件进行模型参量修正，包括：
15、分别从若干个网络调试执行示例集中获取网络调试执行示例，传入所对应的行为要素分析组件，获得对应的第一学习行为要素变量，并基于若干个第一学习行为要素变量，通过所述学习文本更新组件获得所述若干个网络调试执行示例的学习文本更新处理观点，以及结合所述若干个网络调试执行示例的先验知识，对所述若干个行为要素分析组件进行修正；
16、从所述网络性能评估示例集中获取网络性能评估示例，分别传入所述若干个行为要素分析组件，获得若干个第二学习行为要素变量，并依据所述若干个第二学习行为要素变量的第二全局学习行为要素变量，通过所述学习文本更新组件获得所述网络性能评估示例的学习文本更新处理观点，以及结合所述网络性能评估示例的先验知识，对所述若干个行为要素分析组件进行修正。
17、在一些可替换的方案中，所述目标学习内容优化决策网络还包括深度残差组件；
18、所述分别从若干个网络调试执行示例集中获取网络调试执行示例，传入所对应的行为要素分析组件，获得对应的第一学习行为要素变量，包括：将分别从所述若干个网络调试执行示例集中获取的网络调试执行示例传入所述深度残差组件，获得若干个网络调试执行示例各自的初始学习行为要素变量，将每个网络调试执行示例的初始学习行为要素变量传入所对应的行为要素分析组件，获得对应的所述第一学习行为要素变量；
19、所述从所述网络性能评估示例集中获取网络性能评估示例，分别传入所述若干个行为要素分析组件，获得若干个第二学习行为要素变量，包括：将从所述网络性能评估示例集中获取的网络性能评估示例传入所述深度残差组件，获得所述网络性能评估示例的初始学习行为要素变量，将所述网络性能评估示例的初始学习行为要素变量分别传入所述若干个行为要素分析组件，获得所述若干个第二学习行为要素变量。
20、在一些可替换的方案中，所述基于若干个第一学习行为要素变量，通过所述学习文本更新组件获得所述若干个网络调试执行示例的学习文本更新处理观点，包括：针对若干个网络调试执行示例，均实施如下步骤：将一个网络调试执行示例的初始学习行为要素变量以及第一学习行为要素变量传入所述学习文本更新组件，获得所述一个网络调试执行示例的学习文本更新处理观点；
21、所述基于若干个第二学习行为要素变量的第二全局学习行为要素变量，通过所述学习文本更新组件获得所述网络性能评估示例的学习文本更新处理观点，包括：将所述网络性能评估示例的初始学习行为要素变量以及所述第二全局学习行为要素变量传入所述学习文本更新组件，获得所述网络性能评估示例的学习文本更新处理观点。
22、在一些可替换的方案中，所述目标学习内容优化决策网络还包括特征拼接组件，所述方法还包括：
23、将所述若干个第二学习行为要素变量中，由所述网络性能评估示例关联的行为要素分析组件获得的第二学习行为要素变量作为基准学习行为要素变量；
24、通过所述特征拼接组件，将除所述基准学习行为要素变量以外的各个第二学习行为要素变量以及所述网络性能评估示本文档来自技高网...
【技术保护点】
1.一种基于用户行为分析的学习内容优化方法，其特征在于，应用于用户行为分析系统，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述目标学习内容优化决策网络还包括深度残差组件；所述将待分析离线学习行为数据分别传入目标学习内容优化决策网络的若干个行为要素分析组件，获得若干个离线学习行为要素变量，包括：
3.如权利要求2所述的方法，其特征在于，所述目标学习内容优化决策网络还包括特征拼接组件；则将所述若干个离线学习行为要素变量的第一全局学习行为要素变量传入所述目标学习内容优化决策网络的学习文本更新组件之前，还包括：将所述待分析离线学习行为数据的初始学习行为要素变量和所述若干个离线学习行为要素变量传入所述特征拼接组件，获得所述第一全局学习行为要素变量；
4.如权利要求2所述的方法，其特征在于，所述若干个行为要素分析组件中的每个行为要素分析组件包括若干个行为要素分析节点，将所有的行为要素分析节点分为多层，每层包括所述若干个行为要素分析组件各自的一个行为要素分析节点；所述将所述待分析离线学习行为数据的初始学习行为要素变量分别传入所述若干个行为要素分
5.如权利要求1所述的方法，其特征在于，所述基于任务推广调试策略对所述若干个行为要素分析组件进行模型参量修正，包括：
6.如权利要求5所述的方法，其特征在于，所述目标学习内容优化决策网络还包括深度残差组件；
7.如权利要求5所述的方法，其特征在于，每个调试示例还包括：相应的离线学习行为数据调试示例对应的调试示例热力数据，所述目标学习内容优化决策网络还包括行为热力识别组件，所述方法还包括：
8.如权利要求5所述的方法，其特征在于，所述若干个行为要素分析组件中的每个行为要素分析组件包括若干个行为要素分析节点，将所有的行为要素分析节点分为多层，每层包括所述若干个行为要素分析组件各自的一个行为要素分析节点；
9.一种用户行为分析系统，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种基于用户行为分析的学习内容优化方法，其特征在于，应用于用户行为分析系统，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述目标学习内容优化决策网络还包括深度残差组件；所述将待分析离线学习行为数据分别传入目标学习内容优化决策网络的若干个行为要素分析组件，获得若干个离线学习行为要素变量，包括：
3.如权利要求2所述的方法，其特征在于，所述目标学习内容优化决策网络还包括特征拼接组件；则将所述若干个离线学习行为要素变量的第一全局学习行为要素变量传入所述目标学习内容优化决策网络的学习文本更新组件之前，还包括：将所述待分析离线学习行为数据的初始学习行为要素变量和所述若干个离线学习行为要素变量传入所述特征拼接组件，获得所述第一全局学习行为要素变量；
4.如权利要求2所述的方法，其特征在于，所述若干个行为要素分析组件中的每个行为要素分析组件包括若干个行为要素分析节点，将所有的行为要素分析节点分为多层，每层包括所述若干个行为要素分析组件各自的一个行为要素分析节点；所述将所述待分析离线学习行为数据的初始学习行为要素变量分别传入所述若干个行为要素分析组件，获得所述...
【专利技术属性】
技术研发人员：黎国权，朱晖，
申请(专利权)人：广东信聚丰科技股份有限公司，
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。