欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202010707482X
申请人: 江苏海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2023-12-11
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于概念图构建的智能学习诊断方法,其特征在于:诊断方法主要包括以下步骤:步骤(1):对学习者进行聚类算法划分;

步骤(2):对于测试Q学习者S的学习成绩累计;

步骤(3):DHP测试关联规则制定;

步骤(4):概念图关联规则的推导;

步骤(5):学习概念图的构建;

步骤(6):最优学习路径推理。

2.根据权利要求1所述的一种基于概念图构建的智能学习诊断方法,其特征在于,所述步骤(1)中对学习者进行聚类算法划分,所述聚类算法的主要步骤如下:步骤(1-1):对于所有的学习者,计算Li和Lj之间的距离坐标,计算公式如下:其中,Li和Lj分别代表学习者i和j的特征向量,m代表特征向量总长度,li代表Li第n个分量,dij代表学习者i和j的距离坐标,学习者特征向量L子集为{l1,l2,l3,…,lm};

步骤(1-2):将所有学习者之间的距离按升序排序,找出2%的距离将其定义为dc;

步骤(1-3):计算每个学习者的局部密度,计算公式如下:其中,Lρi代表第i个学习者的局部密度,χ代表采样点;

步骤(1-4):计算所有密度大于局部密度i的学习的最小距离δ,计算公式如下:步骤(1-5):如果学习者Li已经具有最大的局部密度,则 则学习者Li是聚类中心;

步骤(1-6):计算所有学习者到聚类中心的距离,然后将聚类中心的学习者i和距离最短的学习者组成一个簇,学习者S表示为{S1,S2,…,Si,…,Sk},Si表示第i组,k表示组数(簇数)。

3.根据权利要求1所述的一种基于概念图构建的智能学习诊断方法,其特征在于,所述步骤(2)对于测试Q学习者S的学习成绩累计;假设学习者S的合计为{S1,S2,…,Si,…,Sk},则测试项为{Q1,Q2,…,Qj,…,Qq},学习者Si在测试项Qj的测试结果为 以“1”代表命中(即 错误),“0”代表未命中(即 正确)。

4.根据权利要求1所述的一种基于概念图构建的智能学习诊断方法,其特征在于,所述步骤(3)DHP测试关联规则制定,所述关联规则的形成主要步骤如下:步骤(3-1):构建问题候选集K1,计算公式如下:K1={{Q1},{Q2},…,{Qj},…,{Qq}}步骤(3-2):构建测试项N,计算公式如下:其中ζ代表最小支持度,一般我们设置为“2”;

步骤(3-3):计算每个学习者对应测试项的二项集SNi,其中SNi的计算公式为:步骤(3-4):通过SNi统计存储桶集合K2,K2的计算公式如下:其中, 代表每个学习者对于第j个问题二项集的总和;

步骤(3-5):计算每个问题的关联规则置信度wl-m,wl-m的计算公式如下:其中,Ql和Qm分别代表问题l和问题m,wl-m代表l和m的关联规则置信度。

5.根据权利要求1所述的一种基于概念图构建的智能学习诊断方法,其特征在于,所述步骤(4)概念图关联规则的推导;

特征(4-1):TIRT(Qi,Cj)的每个值在0到5之间表示试题Qi和概念Cj之间的关系,0表示没有关系,1到5表示关系的强度;

特征(4-2):sum(Cj)表示概念Cj在试卷中的总强度;

特征(4-3):Error(Cj)表示与Cj相关的错误答案的总强度;

特征(4-4):ER(Cj)=Error(Cj)/sum(Cj)表示错误答案与概念Cj的总强度之比。

6.根据权利要求1所述的一种基于概念图构建的智能学习诊断方法,其特征在于,所述步骤(5)学习概念图的构建,所述构建方法如下:步骤(5-1):在问题算法之间调用关联规则构造;

步骤(5-2):计算概念间的每个关联规则和权重,将其存储在{R}中,计算公式如下:Qi→Qj→WCxCy=Cx→Cy

其中:Qi和Qj代表问题i和j,WCxCy代表概念x(Cx)和概念y(Cy)间关联规则;

步骤(5-3):在R中使用周期检测算法,命中则删除权重最低的规则。