亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于K-Means聚類的在線學(xué)習(xí)用戶個(gè)性化分類

        2021-04-08 06:32:24郭飛雁
        數(shù)字傳媒研究 2021年12期
        關(guān)鍵詞:用戶群聚類個(gè)性化

        郭飛雁

        湖南電氣職業(yè)技術(shù)學(xué)院 湖南省 湘潭市 410000

        1 前 言

        《教育信息化2.0 行動(dòng)計(jì)劃》是加快實(shí)現(xiàn)教育現(xiàn)代化的有效途徑,是“教育現(xiàn)代化2035”的重點(diǎn)內(nèi)容和重要標(biāo)志。教育信息化2.0 行動(dòng)計(jì)劃中明確指出,人工智能、大數(shù)據(jù)、區(qū)塊鏈等技術(shù)迅猛發(fā)展,將深刻改變?nèi)瞬判枨蠛徒逃螒B(tài)。如何利用人工智能提供個(gè)性化學(xué)習(xí)環(huán)境及服務(wù)已成為當(dāng)前教育研究者關(guān)注的焦點(diǎn)[1]。個(gè)性化學(xué)習(xí)研究主要集中在根據(jù)學(xué)生不同的學(xué)習(xí)風(fēng)格、認(rèn)知風(fēng)格等為其提供不同形態(tài)的學(xué)習(xí)資源及個(gè)性化的教學(xué)方法。但在實(shí)施個(gè)性化教學(xué)前對(duì)學(xué)生進(jìn)行個(gè)性化分類是我們首先需要解決的一個(gè)問題。近年來,隨著各種在線學(xué)習(xí)平臺(tái)的層出不窮,越來越多的研究者將研究重點(diǎn)定位到利用在線學(xué)習(xí)平臺(tái)上的大量學(xué)習(xí)行為數(shù)據(jù)進(jìn)行分析,實(shí)現(xiàn)基于大數(shù)據(jù)的在線學(xué)習(xí)用戶個(gè)性化分類,從而實(shí)現(xiàn)個(gè)性化學(xué)習(xí)資源推送,達(dá)到個(gè)性化教學(xué)的目的[2]。

        因此,我們基于在線學(xué)習(xí)用戶相關(guān)學(xué)習(xí)數(shù)據(jù),采用KMeans 聚類方法建立在線學(xué)生用戶模型,進(jìn)行學(xué)生用戶進(jìn)行個(gè)性化分類,對(duì)不同的學(xué)生用戶類別進(jìn)行特征分析,比較不同類學(xué)生用戶特征,對(duì)不同類學(xué)生用戶提供個(gè)性化服務(wù),制作相應(yīng)學(xué)習(xí)策略,實(shí)現(xiàn)精準(zhǔn)推薦學(xué)習(xí),因材施教,從而提高在線學(xué)習(xí)用戶參與度,達(dá)到在線學(xué)習(xí)效率最大化目標(biāo)[3]。

        2 在線學(xué)習(xí)用戶IFLPT分類模型

        明確在線學(xué)習(xí)用戶分類目標(biāo)為在線學(xué)習(xí)愛好特征分類,識(shí)別用戶分類應(yīng)用最廣泛的模型是三個(gè)指標(biāo)(學(xué)習(xí)時(shí)間間隔(Interval),學(xué)習(xí)互動(dòng)頻率(Frequency),學(xué)習(xí)時(shí)長(Length),以上指標(biāo)簡稱IFL 模型,作用是識(shí)別不同類型的在線學(xué)習(xí)用戶??紤]到在線學(xué)習(xí)資源類型多樣化,用戶對(duì)學(xué)習(xí)資源類型的個(gè)性化偏好在一定程度上影響學(xué)習(xí)時(shí)長,所以增加指標(biāo)個(gè)性 化 偏好P (Preferences)。同時(shí),在線學(xué)習(xí)用戶訪問學(xué)習(xí)資源類別也代表了用戶的個(gè)人喜好,因此再增加指標(biāo)訪問學(xué)習(xí)資源類型T(Types)。通過學(xué)習(xí)時(shí)間間隔(Interval),學(xué)習(xí)互動(dòng)頻率(Frequency),學(xué)習(xí)時(shí)長(Length),個(gè)性化偏好P(Preferences)及訪問學(xué)習(xí)資源類型T(Types)以上五個(gè)指標(biāo),作為在線學(xué)習(xí)用戶分類指標(biāo)體系,記為IFLPT 模型。

        傳統(tǒng)的IFL 模型,依據(jù)三個(gè)屬性的平均值進(jìn)行劃分,但由于細(xì)分用戶群太多,在線個(gè)性化教學(xué)的成本太高[4]。因此,我們采用聚類法對(duì)在線學(xué)習(xí)用戶進(jìn)行分類,以IFLPT 模型為基礎(chǔ),總體流程如圖1 所示。

        圖1 在線學(xué)習(xí)用戶數(shù)據(jù)挖掘建模總體流程

        在線學(xué)習(xí)用戶數(shù)據(jù)挖掘建??傮w流程中,我們首先從在線學(xué)習(xí)平臺(tái)選擇性抽取已產(chǎn)生數(shù)據(jù),并對(duì)新增數(shù)據(jù)進(jìn)行抽取,形成歷史數(shù)據(jù)和增量數(shù)據(jù)。對(duì)歷史數(shù)據(jù)和增量數(shù)據(jù)進(jìn)行數(shù)據(jù)探索性分析和預(yù)處理,主要對(duì)有缺失值與異常值的數(shù)據(jù)進(jìn)行分析處理,主要操作為屬性規(guī)約、數(shù)據(jù)清洗和數(shù)據(jù)變換。在已處理完畢的規(guī)則化數(shù)據(jù)基礎(chǔ)上,建模數(shù)據(jù),基于IFLPT 模型進(jìn)行學(xué)生用戶分群,對(duì)各個(gè)用戶群進(jìn)行特征分析,從而實(shí)施個(gè)性化推薦。

        3 基于IFLPT模型的在線學(xué)習(xí)用戶分類

        3.1 數(shù)據(jù)預(yù)處理

        通過在線學(xué)習(xí)平臺(tái)“超星泛雅”導(dǎo)出《網(wǎng)頁設(shè)計(jì)與制作》在線學(xué)習(xí)精品課程相關(guān)數(shù)據(jù),選擇寬度為1 個(gè)月的時(shí)間段作為觀測(cè)窗口,抽取觀測(cè)窗口內(nèi)所有在線學(xué)習(xí)用戶的詳細(xì)數(shù)據(jù),形成歷史數(shù)據(jù),對(duì)于后續(xù)新增的在線學(xué)習(xí)用戶信息,采用目前的時(shí)間作為重點(diǎn),形成新增數(shù)據(jù)。在兩個(gè)數(shù)據(jù)基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行缺失值和異常值分析,查找每列屬性值中空值的個(gè)數(shù)、最大值及最小值,并對(duì)數(shù)據(jù)集進(jìn)行數(shù)據(jù)清洗,丟棄空值、學(xué)習(xí)時(shí)長過短或?qū)W習(xí)頻率低的相關(guān)記錄。同時(shí),由于原始數(shù)據(jù)中屬性太多,根據(jù)在線學(xué)習(xí)用戶IFLPT 分類模型,選擇與模型相關(guān)的五個(gè)屬性,刪除其他無用屬性[5]。

        通過學(xué)習(xí)時(shí)間間隔(Interval),學(xué)習(xí)互動(dòng)頻率(Frequency),學(xué)習(xí)時(shí)長(Length),個(gè)性化偏好P(Preferences)及訪問學(xué)習(xí)資源類型T(Types)以上五個(gè)指標(biāo),作為在線學(xué)習(xí)用戶分類指標(biāo)體系,記為IFLPT 模型。數(shù)據(jù)清洗完畢后采用數(shù)據(jù)變換的方式為方便屬性構(gòu)造和數(shù)據(jù)標(biāo)準(zhǔn)化,將原始數(shù)據(jù)轉(zhuǎn)換成相應(yīng)的格式,構(gòu)造IFLPT 的五個(gè)指標(biāo)如表1 所示。

        表1 IFLPT 模型指標(biāo)說明

        3.2 IFLPT 模型構(gòu)建

        采用K-Means 聚類算法對(duì)在線學(xué)習(xí)用戶數(shù)據(jù)進(jìn)行分群,聚成五類,代碼如圖2 所示。

        圖2 K-Means 聚類代碼

        分類結(jié)果如圖3 所示。用戶群1:red,用戶群2:green,用戶群3:yellow,用戶群4:blue,用戶群5:purple,橫坐標(biāo)上總共有五個(gè)節(jié)點(diǎn),按順序?qū)?yīng)IFLPT。對(duì)應(yīng)節(jié)點(diǎn)上的用戶群的屬性值,代表該客戶群的該屬性的程度。

        圖3 在線學(xué)習(xí)用戶分析

        3.3 分類結(jié)果分析

        我們重點(diǎn)關(guān)注I、F、L 三個(gè)屬性,從圖3 中可以看到:紅色線代表的用戶群1 的I 較低,F(xiàn)、L 都很高,表示該類用戶群是學(xué)習(xí)主動(dòng)的用戶;綠色線代表的用 戶 群2 的I 較 高,F(xiàn)、L 都 很低,表示該類用戶群是懶散型的用戶;黃色線代表的用戶群3的I、F、L 值都居中,表示該類用戶群會(huì)經(jīng)常登錄在線學(xué)習(xí)平臺(tái),但學(xué)習(xí)時(shí)長居中,屬于普通型;藍(lán)色線代表的用戶群4 的I、F、L 值 都 不 高,但P 值 較高,說明該類用戶只對(duì)某類學(xué)習(xí)資源感興趣,屬于專業(yè)型;紫色線代表的用戶群5 的I 值低表示會(huì)經(jīng)常登錄學(xué)習(xí)平臺(tái),但F、L 各類值都較低,屬于學(xué)習(xí)不主動(dòng)型。

        對(duì)于不同類型的學(xué)習(xí)用戶群我們采取不同的策略對(duì)用戶進(jìn)行在線學(xué)習(xí)干預(yù)實(shí)施,從而達(dá)到最佳的在線學(xué)習(xí)效果[6][7]。如表2 所示。

        表2 在線學(xué)習(xí)干預(yù)策略

        4 小 結(jié)

        本文結(jié)合在線學(xué)習(xí)平臺(tái)“超星泛雅”中《網(wǎng)頁設(shè)計(jì)與制作》在線課程案例,重點(diǎn)介紹了數(shù)據(jù)挖掘算法中K-Means 聚類算法的應(yīng)用。針對(duì)傳統(tǒng)IFL模型的不足,結(jié)合在線學(xué)習(xí)案例進(jìn)行改造,設(shè)定了五個(gè)指標(biāo)的IFLPT 模型。最后通過聚類的結(jié)果,對(duì)在線學(xué)習(xí)用戶進(jìn)行分類,從而制定相應(yīng)的在線學(xué)習(xí)干預(yù)策略,提高在線學(xué)習(xí)效率。

        猜你喜歡
        用戶群聚類個(gè)性化
        基于協(xié)同過濾和Embedding的冷啟動(dòng)推薦算法研究
        堅(jiān)持個(gè)性化的寫作
        文苑(2020年4期)2020-05-30 12:35:12
        從資源出發(fā)的面向用戶群的高校圖書館資源推薦模型分析
        新聞的個(gè)性化寫作
        新聞傳播(2018年12期)2018-09-19 06:27:10
        基于DBSACN聚類算法的XML文檔聚類
        上汽大通:C2B個(gè)性化定制未來
        基于改進(jìn)的遺傳算法的模糊聚類算法
        一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
        滿足群眾的個(gè)性化需求
        公共圖書館的用戶群和服務(wù)人員的分析
        国产精品一区高清在线观看| 国产高清在线精品一区app| 免费网站看av片| 色综合天天综合网国产成人网| 欧洲熟妇色xxxx欧美老妇多毛| 欧美成人免费高清视频| 亚洲视频在线播放免费视频| 看大陆男女真人草逼视频| 三级国产精品久久久99| 欧美最大胆的西西人体44| 性导航app精品视频| 小13箩利洗澡无码免费视频| 日本久久大片中文字幕| 久久偷看各类wc女厕嘘嘘偷窃| 亚洲va中文字幕无码久久不卡 | 麻豆av传媒蜜桃天美传媒| 国产精品欧美久久久久老妞| 在线播放偷拍一区二区| 国产免费一区二区在线视频| 东京热无码av一区二区| 色偷偷88888欧美精品久久久| 精品国产性色av网站| 最新日本女优中文字幕视频| 熟妇人妻无乱码中文字幕av| 97人妻人人做人碰人人爽| 国产精品免费久久久久影院| 水蜜桃一二二视频在线观看免费| 91九色最新国产在线观看| 久久超碰97人人做人人爱| 日本亚洲欧美在线观看| 精品奇米国产一区二区三区| 免费人成小说在线观看网站 | 亚洲中文字幕乱码免费看| 久久久久亚洲精品男人的天堂| 国产成+人欧美+综合在线观看| 天天躁日日躁狠狠躁av中文| 国产韩国精品一区二区三区| 国产一区二区三区在线爱咪咪| 国产色系视频在线观看| 韩国三级中文字幕hd久久精品| 国产99久久精品一区|