[发明专利]基于集体注意力衡量在线学习环境下用户行为的度量方法

权利要求书

1.基于集体注意力衡量在线学习环境下用户行为的度量方法，其特征在于，区别与传统的对用户点击流数据的粗暴使用，从系统的角度出发，利用用户点击流数据，构建以点击流为边，课程为节点的基于用户集体注意力的开放流网络，并运用流网络理论中的流距离和空间嵌入，以完成在线学习系统的分析和度量；具体方法如下：

步骤1)用户点击流数据预处理

1-1)数据来源：点击流数据来源于在线学习系统中记录的用户点击行为日志；

1-2)数据格式：点击流数据记录了用户在课程学习空间中的点击行为；其中每行记录包括了：用户id、时间戳包括页面打开和关闭时间、URLs、页面标题、页面停留时间、页面类型；

1-3)数据过滤：点击流数据包含了移动端和web端的行为数据，由于页面跳转逻辑、储存的数据格式存在差异，仅保留web端的用户数据，同时，也剔除了用户浏览时间长度为0秒的页面；

步骤2)构建开放流网络

2-1)集体注意力流网络：在流网络节点是不同章节课程，连边则是用户集体注意力的流转；

2-2)网络构建：使用30分钟作为会话分割依据；在每一个会话中，每个用户的点击或访问序列都被认为是一次从一个课程资源到另一个课程资源的注意力转移行为，这种转移定义为这两个课程节点间的连边；据此，构建以课程资源为节点，用户点击行为为连边的点击流网络；

2-3)网络平衡：根据开放流网络理论，整个网络需要保持流量平衡；在步骤2-2)构建的流网络中添加两类特殊的节点——源节点和汇节点，分别代表注意力流的源头和尽头；

步骤3)流网络流距离、流量耗散律、和教育空间嵌入

3-1)流距离：基于构建好的平衡开放流网络，得到集体注意力流矩阵F，然后得到马尔科夫转移概率矩阵M；矩阵中各元素，表示集体注意力在资源间的转移概率，其计算公式如下所示：

公式中，m_ij表示的是从节点i到节点j的转移概率；基于该马尔科夫转移概率矩阵M，进而计算流距离矩阵L，最终得到网络中两点间的流距离l_ij，计算公式如下所示：

其中，U＝M+M²+…＝(I-M)^-1，被称为基本矩阵，是M的拉普拉斯算子的逆矩阵；而I则是大小为(N+1)*(N+1)的单位矩阵；

3-2)流量积累、循环和耗散律：利用步骤3-1)中的流距离矩阵L计算所有课程资源到源和汇节点的平均流距离；通过观察不同用户群体型构建的流网络这些平均流距离的规律，了解到不同用户群体集体注意力的累积、循环、耗散特征和差异；同样，通过观察不同课程资源到源和汇节点的流距离分布规律，研究不同用户群体中，每个课程资源在整个流网络中的生态位，这即代表用户对于不同课程资源的沉浸水平；

3-3)教育空间嵌入：采用MDS即multidimensionalscaling方法将流距离矩阵做嵌入，将网络节点即课程资源嵌入到二维空间中；通过观察不同用不群体中，课程资源不同的嵌入规律，得知不同用户群体在学习规律和差异。