[发明专利]基于用户在线学习行为模式预测学习效果的系统及预测方法

权利要求书

1.一种基于用户在线学习行为模式预测学习效果的系统，其特征在于，包括：

学习行为信息采集模组，对应采集用户历史学习行为信息及用户基本信息，所述学习行为信息包括原始学习行为信息和对原始行为信息进行预加工后生成的学习行为信息；

内预设付出-收获算法模型的学习效率计算模组，所述付出-收获算法模型根据用户在不同类别的在线课程中的学习行为信息生成用户的学习效率矩阵；

内预设聚类算法模型的学习行为模式计算模组，所述聚类算法模型根据所述用户的学习效率矩阵对用户分类，进而获得用户分类信息及用户的学习行为模式信息；

内预设狄利克雷过程算法模型的学习能力-动机计算模组，所述狄利克雷过程算法模型基于用户的学习行为模式信息对应生成用户的学习能力信息和学习动机信息；

内预设预测算法模型的学习效果预测模组，所述预测算法模型基于所述用户的学习能力信息、所述用户的学习动机信息、用户基本信息以及用户在线学习行为信息，利用循环神经网络算法融合注意力机制构建预测模型预测用户在在线学习课程中的学习效果，

所述付出-收获算法模型的付出公式如下：

所述付出-收获算法模型的收获公式如下：

其中，表示用户的周付出量，表示用户学习活动i的权重系数，其值为学习活动i与周测成绩的皮尔森相关系数，表示用户第w周在学习活动i上的付出量，n表示用户的学习活动数，表示用户第w周的周测成绩为周收获量，表示该课程中的最高收获量，表示该课程中的最低收获量。

2.根据权利要求1所述的基于用户在线学习行为模式预测学习效果的系统，其特征在于，所述学习效率矩阵的构建如下：根据用户在不同类别的在线课程中的学习行为信息，利用所述付出-收获公式，对每门课程、每个用户进行周学习效率的计算，方法如下：

其中，表示用户第w周在在线课程学习中的周收获量，表示用户第w周在在线课程学习中的周付出量。

3.根据权利要求2所述的基于用户在线学习行为模式预测学习效果的系统，其特征在于，所述聚类算法模型为使用聚类算法高斯混合模型GMM根据所述用户的学习效率矩阵对用户进行分类，每个聚类簇表示一种学习行为模式，所述聚类算法高斯混合模型的定义如下：

其中是一个非负混合权重，且表示的权重，是第k个高斯分布函数，为用户的学习效率矩阵，是的参数，分别表示这个分布的均值与方差，K为聚类簇数。

4.根据权利要求3所述的基于用户在线学习行为模式预测学习效果的系统，其特征在于，所述学习能力-动机模组是基于用户的聚类结果，利用狄利克雷过程算法生成用户在不同类别的在线课程学习中的学习能力信息与学习动机信息，具体生成步骤如下：

用户分类类别k由模型参数集合描述，其中表示用户类别簇k的学习动机，表示用户类别簇k的学习能力；

属于聚类簇k中的观测用户u的学习行为信息的概率计算公式定义如下：

其中为用户u的学习效率矩阵，为用户u所属的聚类簇，为用户u所属的聚类簇服从模型的参数集合。

5.根据权利要求1所述的基于用户在线学习行为模式预测学习效果的系统，其特征在于，所述预测算法模型是利用注意力机制与循环神经网络算法融合设计的预测模型，基于用户在不同类别的在线课程学习中的学习能力信息与学习动机信息，结合所述用户在在线课程学习中的学习行为信息和用户基本信息作为模型输入，对应输出用户在在线课程学习中的学习效果预测值。