一种基于机器学习的慕课课程质量评价方法与流程
本发明涉及一种基于机器学习的慕课课程质量评价方法，属于互联网信息技术领域。
背景技术：
慕课，即m00c，是大规模在线公开课(massiveonlineopencourse)的简称，近年来，作为传统课堂教学的重要补充，在中国得到了蓬勃发展，各大高校纷纷开设慕课课程。为保证课程质量，各大慕课平台为学习者提供了对每门课程的评价和评分的功能，方便学习者对课程质量进行反馈，而慕课平台相关者可以通过课程的平均评分来判断一门课程的质量。
另外，慕课平台为改善课程质量，使用大数据技术及机器学习技术，对慕课课程进行智能分类和推荐，并对平台用户的频繁访问、以及刷量等行为进行监测，防止非正常用户操作影响到平台上课程的质量评价。
随着课程数量的增加和网络对抗技术的进步，现有课程评价技术使用课程评分来对课程质量进行评价，无法避免一些课程授课者的不规范操作影响到对课程质量的评价，也无法避免高度拟人的机器操作对课程质量的影响，从而出现一门课程评分很高、而实际质量很差的情况，使得现有课程评价技术无法体现课程的真实质量。
技术实现要素：
本发明所要解决的技术问题是提供一种基于机器学习的慕课课程质量评价方法，采用全新设计方法，能够获得更加真实的课程质量反映。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于机器学习的慕课课程质量评价方法，基于学习用户对目标慕课平台上课程的评分，实现对目标慕课平台上各个课程的质量评价，包括质量评价系统获得方法和质量评价方法，其中，质量评价系统获得方法包括如下步骤a至步骤f：
步骤a.按照课程名称、开课老师、课程时间、报名参与学习人数、评价人数、平均评分的数据格式，针对目标慕课平台上的课程进行截止当前时刻的统计，获得各条课程数据记录，构成样本库，然后进入步骤b；
步骤b.针对样本库中的各条课程数据记录，首先删除其中报名参与学习人数为0的课程数据记录、以及由当前时刻向历史时间方向预设时长范围内未开课的课程数据记录；然后将同一开课老师所开设相同课程名称的多条课程数据记录进行合并，其中课程时间选择最新课程时间，报名参与学习人数、评价人数分别均彼此相加，平均评分相加再求平均；由此针对样本库进行更新，再选择样本库中预设比例数量的课程数据记录，作为各条待处理课程数据记录，并进入步骤c；
步骤c.分别针对各条待处理课程数据记录，根据评价人数与报名参与学习人数的比值，作为待处理课程数据记录所对应的评价比例，并按
步骤d.将各待处理课程数据记录分别所对应的评价比例、按由小至大进行排序，并按预设待处理课程数据记录分组单位条数g和分组数m，顺序针对各评价比例进行分组，再分别获得各分组中各评价比例平均值，并针对顺序各分组分别对应的评价比例平均值，获得中间位置的数值，最后针对该中间位置的数值、以及所有待处理课程数据记录所对应评价比例的平均值，进一步计算平均值，作为课程规范对比值，然后进入步骤e；
步骤e.获得各待处理课程数据记录分别所对应评价比例、相对课程规范对比值的平均绝对偏差，并针对该平均绝对偏差除以二，获得课程规范粒度值，然后进入步骤f；
步骤f.由课程规范对比值将0至1闭区间划分为两段，并由课程规范对比值所在0至1闭区间中的位置分别向两侧方向，按0侧方向课程规范粒度值比例递减、1侧方向课程规范粒度值比例递增分别构成区间跨度，针对两段分别进行顺序区间划分，且各段所划分区间数彼此相同，以及由课程规范对比值所在位置分别向其两侧方向，针对各划分区间由1起依次编号，如此针对0至1闭区间的划分，即获得目标慕课平台所对应的质量评价系统；
基于上述质量评价系统的获得，周期执行如下步骤i至步骤iii，实现质量评价方法，用于获得各个课程的质量评价；
步骤i.采用步骤a至步骤c中的方法，获得目标慕课平台上各个课程数据记录分别所对应的评价比例，然后进入步骤ii；
步骤ii.分别针对各个课程数据记录，按如下公式：
获得课程数据记录所对应的课程规范值score，其中，a表示课程数据记录所对应评价比例，b表示该课程数据记录所对应评价比例在所述0至1闭区间中相应划分区间的编号，c表示该课程数据记录所对应评价比例在所述0至1闭区间中相应划分区间中、对应课程规范对比值一侧的边界值，d表示该课程数据记录所对应评价比例在所述0至1闭区间中相应划分区间的区间跨度，e表示所述0至1闭区间中单个分段内的划分区间数；然后进入步骤iii；
步骤iii.分别针对各个课程数据记录，通过课程数据记录所对应的课程规范值与其平均评分之间的乘积，作为课程数据记录所对应的质量得分，实现课程的质量评价。
作为本发明的一种优选技术方案：所述质量评价方法还包括步骤iv，执行完步骤iii之后，进入步骤iv；
步骤iv.判断当前周期中执行步骤i至步骤iii过程的次数是否达到预设次数阈值，是则进入步骤v，否则等待预设时长，然后返回步骤i；
步骤v.分别针对各课程数据记录，获得此周期内、课程数据记录所对应各个质量得分的平均值，更新作为该课程数据记录所对应的质量得分，实现课程的质量评价。
作为本发明的一种优选技术方案：所述步骤f包括如下步骤f1至步骤f8；
步骤f1.将课程规范对比值置于0至1闭区间中，将0至1闭区间划分为两段，并初始化n＝1，0侧区间跨度、1侧区间跨度均为课程规范粒度值，0侧起始划分值、1侧起始划分值均为课程规范对比值，然后进入步骤f2；
步骤f2.由0侧起始划分值向着0侧方向、以0侧区间跨度划分一个划分区间，并定义该划分区间的编号为n；同时由1侧起始划分值向着1侧方向、以1侧区间跨度划分一个划分区间，并定义该划分区间的编号为n；然后进入步骤f3；
步骤f3.定义更新p＝0侧方向上编号为n的划分区间上对应0侧方向的边界值，q＝1侧方向上编号为n的划分区间上对应1侧方向的边界值，然后进入步骤f4；
步骤f4.判断p不等于0、与q不等于1是否同时满足，是则进入步骤f5；否则进入步骤f6；
步骤f5.将0侧起始划分值更新为p，将1侧起始划分值更新为q，针对n的值进行加1更新，针对0侧区间跨度的值进行除以2更新，针对1侧区间跨度的值进行乘以2更新，然后返回步骤f2；
步骤f6.若p等于0，q等于1，则即完成目标慕课平台所对应质量评价系统的获得；
若p等于0，q不等于1，则进入步骤f7；
若p不等于0，q等于1，则进入步骤f8；
步骤f7.将1侧方向上剩余未划入各划分区间的部分、划入1侧方向上编号为n的划分区间中，完成目标慕课平台所对应质量评价系统的获得；
步骤f8.将0侧方向上剩余未划入各划分区间的部分、划入0侧方向上编号为n的划分区间中，完成目标慕课平台所对应质量评价系统的获得。
作为本发明的一种优选技术方案：所述步骤c中，获得各待处理课程数据记录分别所对应的评价比例后，分别针对各评价比例，按预设次方数、针对评价比例进行开方根运算，用所获结果针对该评价比例进行更新；进而更新各待处理课程数据记录分别所对应的评价比例。
作为本发明的一种优选技术方案：所述步骤c中，分别针对各评价比例，针对评价比例进行开立方根运算，用所获结果针对该评价比例进行更新；进而更新各待处理课程数据记录分别所对应的评价比例。
作为本发明的一种优选技术方案：所述步骤d中，获得各分组分别所对应的评价比例平均值后，若m为奇数，则基于排序、选择第
本发明所述一种基于机器学习的慕课课程质量评价方法，采用以上技术方案与现有技术相比，具有以下技术效果：
本发明所设计基于机器学习的慕课课程质量评价方法，首先通过对慕课平台上的课程特征参数抽象提炼，构建基于策略网络的质量评价系统，然后通过质量评价系统对课程的报名参与学习人数和评价人数进行动态分析，产生一个课程规范值，作为课程规范度的评价标准，最后使用该课程规范值对课程的平均评价进行加权，得到课程的最终质量评分，作为慕课课程的质量评价标准，从而体现课程的真实质量，使课程得到更合理的评价。
附图说明
图1是本发明设计基于机器学习的慕课课程质量评价方法中的流程示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种基于机器学习的慕课课程质量评价方法，基于学习用户对目标慕课平台上课程的评分，实现对目标慕课平台上各个课程的质量评价，包括质量评价系统获得方法和质量评价方法，实际应用当中，质量评价系统获得方法包括如下步骤a至步骤f。
步骤a.按照课程名称、开课老师、课程时间、报名参与学习人数、评价人数、平均评分的数据格式，针对目标慕课平台上的课程进行截止当前时刻的统计，获得各条课程数据记录，构成样本库，然后进入步骤b。
步骤b.针对样本库中的各条课程数据记录，首先删除其中报名参与学习人数为0的课程数据记录、以及由当前时刻向历史时间方向预设时长范围内未开课的课程数据记录；然后将同一开课老师所开设相同课程名称的多条课程数据记录进行合并，其中课程时间选择最新课程时间，报名参与学习人数、评价人数分别均彼此相加，平均评分相加再求平均；由此针对样本库进行更新，再选择样本库中预设比例数量的课程数据记录，作为各条待处理课程数据记录，并进入步骤c。
步骤c.分别针对各条待处理课程数据记录，根据评价人数与报名参与学习人数的比值，作为待处理课程数据记录所对应的评价比例，然后分别针对各评价比例，按预设次方数、针对评价比例进行开方根运算，用所获结果针对该评价比例进行更新，实际应用中设计这里针对评价比例进行开立方根运算；进而更新各待处理课程数据记录分别所对应的评价比例；最后按
步骤d.将各待处理课程数据记录分别所对应的评价比例、按由小至大进行排序，并按预设待处理课程数据记录分组单位条数g和分组数m，顺序针对各评价比例进行分组，再分别获得各分组中各评价比例平均值，并针对顺序各分组分别对应的评价比例平均值，获得中间位置的数值，最后针对该中间位置的数值、以及所有待处理课程数据记录所对应评价比例的平均值，进一步计算平均值，作为课程规范对比值，然后进入步骤e。
上述步骤d对于针对顺序各分组分别对应的评价比例平均值，获得中间位置的数值的操作，实际应用中，若m为奇数，则基于排序、选择第
步骤e.获得各待处理课程数据记录分别所对应评价比例、相对课程规范对比值的平均绝对偏差，并针对该平均绝对偏差除以二，获得课程规范粒度值，然后进入步骤f。
步骤f.由课程规范对比值将0至1闭区间划分为两段，并由课程规范对比值所在0至1闭区间中的位置分别向两侧方向，按0侧方向课程规范粒度值比例递减、1侧方向课程规范粒度值比例递增分别构成区间跨度，针对两段分别进行顺序区间划分，且各段所划分区间数彼此相同，以及由课程规范对比值所在位置分别向其两侧方向，针对各划分区间由1起依次编号，如此针对0至1闭区间的划分，即获得目标慕课平台所对应的质量评价系统。
实际应用当中，上述步骤f具体执行如下步骤f1至步骤f8。
步骤f1.将课程规范对比值置于0至1闭区间中，将0至1闭区间划分为两段，并初始化n＝1，0侧区间跨度、1侧区间跨度均为课程规范粒度值，0侧起始划分值、1侧起始划分值均为课程规范对比值，然后进入步骤f2。
步骤f2.由0侧起始划分值向着0侧方向、以0侧区间跨度划分一个划分区间，并定义该划分区间的编号为n；同时由1侧起始划分值向着1侧方向、以1侧区间跨度划分一个划分区间，并定义该划分区间的编号为n；然后进入步骤f3。
步骤f3.定义更新p＝0侧方向上编号为n的划分区间上对应0侧方向的边界值，q＝1侧方向上编号为n的划分区间上对应1侧方向的边界值，然后进入步骤f4。
步骤f4.判断p不等于0、与q不等于1是否同时满足，是则进入步骤f5；否则进入步骤f6。
步骤f5.将0侧起始划分值更新为p，将1侧起始划分值更新为q，针对n的值进行加1更新，针对0侧区间跨度的值进行除以2更新，针对1侧区间跨度的值进行乘以2更新，然后返回步骤f2。
步骤f6.若p等于0，q等于1，则即完成目标慕课平台所对应质量评价系统的获得；
若p等于0，q不等于1，则进入步骤f7；
若p不等于0，q等于1，则进入步骤f8。
步骤f7.将1侧方向上剩余未划入各划分区间的部分、划入1侧方向上编号为n的划分区间中，完成目标慕课平台所对应质量评价系统的获得。
步骤f8.将0侧方向上剩余未划入各划分区间的部分、划入0侧方向上编号为n的划分区间中，完成目标慕课平台所对应质量评价系统的获得。
基于上述质量评价系统的获得，周期执行如下步骤i至步骤iii，实现质量评价方法，用于获得各个课程的质量评价。
步骤i.采用步骤a至步骤c中的方法，获得目标慕课平台上各个课程数据记录分别所对应的评价比例，然后进入步骤ii。
步骤ii.分别针对各个课程数据记录，按如下公式：
获得课程数据记录所对应的课程规范值score，其中，a表示课程数据记录所对应评价比例，b表示该课程数据记录所对应评价比例在所述0至1闭区间中相应划分区间的编号，c表示该课程数据记录所对应评价比例在所述0至1闭区间中相应划分区间中、对应课程规范对比值一侧的边界值，d表示该课程数据记录所对应评价比例在所述0至1闭区间中相应划分区间的区间跨度，e表示所述0至1闭区间中单个分段内的划分区间数；然后进入步骤iii。
步骤iii.分别针对各个课程数据记录，通过课程数据记录所对应的课程规范值与其平均评分之间的乘积，作为课程数据记录所对应的质量得分，进入步骤iv。
步骤iv.判断当前周期中执行步骤i至步骤iii过程的次数是否达到预设次数阈值，是则进入步骤v，否则等待预设时长，然后返回步骤i。实际应用中，这里的预设次数阈值设计为3次。
步骤v.分别针对各课程数据记录，获得此周期内、课程数据记录所对应各个质量得分的平均值，更新作为该课程数据记录所对应的质量得分，实现课程的质量评价。
实际应用当中，还可以将各课程所对应的评价情绪、评价关键词作为分析因素，在获得各课程质量得分后，再对评价情绪、评价关键词加入衡量，实现更加多维化的客观评价过程。
上述技术方案所设计基于机器学习的慕课课程质量评价方法，首先通过对慕课平台上的课程特征参数抽象提炼，构建基于策略网络的质量评价系统，然后通过质量评价系统对课程的报名参与学习人数和评价人数进行动态分析，产生一个课程规范值，作为课程规范度的评价标准，最后使用该课程规范值对课程的平均评价进行加权，得到课程的最终质量评分，作为慕课课程的质量评价标准，从而体现课程的真实质量，使课程得到更合理的评价。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
- 还没有人留言评论。精彩留言会获得点赞！