1.一种教与学行为数据支持下因果驱动的教学资源动态组织方法,其特征在于,包括:获取在线教与学行为数据,所述在线教与学行为数据包括教学活动数据、学生学习数据及在线教育资源信息;
根据所述在线教与学行为数据,对资源访问动态时序因果进行建模,确定在线教育资源访问的因果信息;
根据所述因果信息,通过神经网络预测在线教育资源访问热度;
根据预测得到的在线教育资源访问热度,构建文件级的教与学行为数据支持下因果驱动的教学资源动态组织流程,以实现教与学行为数据支持下因果驱动的教学资源动态组织;
所述获取在线教与学行为数据,包括:
在服务区域内采集课程纲要及时间信息作为教学活动数据;
在服务区域内采集学生上课信息及网络行为信息作为学生学习数据;
采集在线教育资源的本身属性信息和被访问记录信息作为在线教育资源信息;
根据目标任务场景,从所述教学活动数据、学生学习数据及在线教育资源信息中选取目标特征,组建可观察多维时间序列,作为在线教育资源访问特征分析的来源信息;
所述根据所述在线教与学行为数据,对资源访问动态时序因果进行建模,确定在线教育资源访问的因果信息,包括:根据基于概率分布的分界器,对资源访问局部因果稳定的时间段进行分界划分,得到在线资源访问动态因果分界信息;
根据所述在线资源访问动态因果分界信息,构建在线资源访问动态因果描述;
根据所述在线资源访问动态因果分界信息和所述在线资源访问动态因果描述,进行在线资源访问动态因果发现,确定在线教育资源访问的因果信息;
所述根据所述因果信息,通过神经网络预测在线教育资源访问热度,包括:获取动态因果结构集合,构造面向在线教育资源访问热度预测网络的因果神经网络层;
根据所述因果神经网络层,构建在线资源访问热度预测模型;
通过所述在线资源访问热度预测模型预测在线教育资源访问热度;
所述根据所述因果神经网络层,构建在线资源访问热度预测模型,包括:结合时序消息传递神经网络,构建面向在线教育资源访问过程表征数据信息传播更新网络;
基于传播机制Mask方法,构造时序编码-解码架构下动因果表征学习机制,学习到因果表征;
根据学习到的因果表征,构造在线教与学行为状态演化网络及在线资源访问反应状态网络,以获取在线教育资源访问状态;
利用时序微分网络,通过在线教育资源访问状态设计基于时序微分神经网络的在线资源访问热度预测器;
所述根据预测得到的在线教育资源访问热度,构建文件级的教与学行为数据支持下因果驱动的教学资源动态组织流程,包括:获取各个服务区内数据存储资源空间情况、网络负载拓扑情况、各个数据节点系统负载情况;
根据预测得到的在线教育资源访问热度,获取各个服务区内在线教育资源访问情况;
根据所述网络负载拓扑情况和所述各个服务区内在线教育资源访问情况,估计未来一段时间内在线教育系统各个服务内网络负载情况;
根据所述各个服务区内在线教育资源访问情况,按预测访问热度大小,确定各个服务区内在线教育资源文件副本数量;
根据所述各个服务区内数据存储资源空间情况、所述各个数据节点系统负载情况、所述各个服务区内在线教育资源文件副本数量和所述未来一段时间内在线教育系统各个服务内网络负载情况,计算执行在线教育资源文件副本调整系统执行资源消耗情况;
根据所述在线教育资源文件副本数量和所述执行资源消耗情况,计算各个服务区内在线教育资源文件副本最终数量,并进行相应文件副本生成和删除更新操作,完成在线教育资源组织调整。
2.一种用于实现如权利要求1所述的教与学行为数据支持下因果驱动的教学资源动态组织方法的系统,其特征在于,包括:第一模块,用于获取在线教与学行为数据,所述在线教与学行为数据包括教学活动数据、学生学习数据及在线教育资源信息;
第二模块,用于根据所述在线教与学行为数据,对资源访问动态时序因果进行建模,确定在线教育资源访问的因果信息;
第三模块,用于根据所述因果信息,通过神经网络预测在线教育资源访问热度;
第四模块,用于根据预测得到的在线教育资源访问热度,构建文件级的教与学行为数据支持下因果驱动的教学资源动态组织流程,以实现教与学行为数据支持下因果驱动的教学资源动态组织。
3.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1所述的方法。
4.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1所述的方法。
5.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1所述的方法。