姜喜春
黑河學院理學院,黑龍江黑河 164300
隨著科學技術(shù)的不斷發(fā)展,互聯(lián)網(wǎng)時代的悄然來臨,網(wǎng)絡(luò)已深入千家萬戶。網(wǎng)絡(luò)不僅在醫(yī)療、交通和網(wǎng)絡(luò)產(chǎn)品的銷售方面給予一定程度上的幫助,對于教育課程的發(fā)展也有著可喜的成就。用戶可以根據(jù)個人興趣通過不同的在線教育平臺學習網(wǎng)絡(luò)課程,這不僅改變用戶傳統(tǒng)的學習形式,而且使用戶的學習課程的方式更具個性化,進一步體現(xiàn)了“互聯(lián)網(wǎng)+教育”的具體實現(xiàn)。
貴州省使用平臺的用戶最多為18786人,其次是河南省的用戶數(shù)為18550人,使用平臺用戶最少的是澳門為171人。因此線上課程管理可以針對貴州省和河南省的用戶發(fā)放更多的課程和優(yōu)質(zhì)資源。
大多數(shù)學生是在早上八九點鐘登錄次數(shù)最多,此時正是大多數(shù)學生開始上課時間段符合常理;到十一二點時登錄用戶明顯減少,中午時間為午休時間人數(shù)減少也符合常理;到達下午兩點多時用戶逐漸增多直到下午五六點鐘人數(shù)開始減少,同樣晚上登陸人數(shù)逐漸減少可知該數(shù)據(jù)基本符合學生的正常規(guī)律。
同樣的通過繪制非工作日用戶登錄次數(shù)我們可以發(fā)現(xiàn)在白天登錄的人數(shù)較為均勻但并不如工作日登錄次數(shù)多,但是晚上登錄人次較于工作日相對較多。
1.3.1 流失率定義
用戶對平臺的使用存在主觀性,為更準確的對平臺用戶活躍度進行分析,需要對平臺用戶的流失情況進行分析,流失率定義如下:記false為數(shù)據(jù)觀察窗口截止時間,false表示用戶false的最近訪問時間,false,若false天,則稱用戶false為流失用戶。
1.3.2 平臺用戶流失率
將時間轉(zhuǎn)化為時間戳,用戶的最近訪問時間時間戳與數(shù)據(jù)觀察窗口截止時間的時間戳相減,最終將得到的時間戳轉(zhuǎn)化為天數(shù)。利用Excel高級篩選,天數(shù)大于90天,將流失用戶篩選出來,根據(jù)定義再次計算用戶的流失率??梢缘贸鲈撈脚_的流失用戶數(shù)為13910,由于篩選后的用戶總數(shù)為29397,因此將流失用戶與總用戶數(shù)據(jù)作比,從而得出用戶流失率為47.3%。
根據(jù)用戶在該平臺學習的記錄和每門課程參與學習的用戶人數(shù)可以計算出該平臺受歡迎的程度,進而將受歡迎程度定義為:false其中,false代表第false門課程的受歡迎程度,false表示參與第false門課程學習的人數(shù),false和false分別為所有課程中參與人數(shù)最多和最少的課程所對應(yīng)的人數(shù)。
協(xié)同過濾(Collablrative Filtering,簡稱CF),協(xié)同過濾共包括三種算法,第一種是基于用戶的協(xié)同過濾,主要通過觀測用戶之間的相似程度,并找到相似用戶之間喜歡的商品,在此基礎(chǔ)上,我們就可以對第二種是基于項目的協(xié)同過濾,第三種是基于模型的協(xié)同過濾算法,可以通過評分構(gòu)建學習模型。協(xié)同過濾算法的原理應(yīng)用打分矩陣和統(tǒng)計信息計算兩個用戶和兩個項目之間的相似度,并通過計算得到的相似度進行排序,得到相應(yīng)的推薦結(jié)果。以下公式代表基于物品的協(xié)同過濾,false。
在進行用戶關(guān)系評價時,歐幾里德距離被認為是一種較為簡單的評價方法。歐幾里德的原理主要以人們有相同評價的商品為坐標軸,選取參與評價的人數(shù),并將參與評價的人繪制到相應(yīng)的坐標系上,然后計算參與評價的人兩兩之間的距離,最后通過計算不同用戶彼此之間在散點圖上的距離大小,進而判斷不同用戶是否具有相同的偏好。其中,通過歐幾里德方法方法計算出的距離是一個大于0的數(shù),為了使其更能有效的代表用戶之間的相似度,將此距離規(guī)約在false之間,歐幾里德距離的計算公式如下:false。
在工作日時間段,上午8點和9點、下午13點和14點及晚上20點和21點平臺用戶比較活躍,平臺成員登錄次數(shù)均超過15000次;在非工作日內(nèi),平臺用戶的活躍度比較均勻,晚上20點時平臺用戶登錄次數(shù)最多,但僅超過7000次,與工作日相比,平臺用戶的登陸次數(shù)大大減少。
該平臺在線上管理的過程中,在工作日的上午8點和9點、下午13點和14點及晚上20點和21點可以大量的向用戶推薦課程;在非工作日的上午9點和10點、下午14點和15點及晚上20點向用戶增加推薦課程,其余時間平臺可以選擇減少推薦量。