买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜德瑞骅科技(北京)有限公司申请的专利基于时间序列分析的学员学习行为趋势预测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119378768B 。

龙图腾网通过国家知识产权局官网在2025-04-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411958047.9，技术领域涉及：G06Q10/04；该发明授权基于时间序列分析的学员学习行为趋势预测方法和系统是由贾玉梅设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于时间序列分析的学员学习行为趋势预测方法和系统在说明书摘要公布了：本发明涉及学习行为趋势预测领域，具体是基于时间序列分析的学员学习行为趋势预测方法和系统，该方法通过将学习日志提取特征变量并数据分析得到时间熵值和空间熵值，通过聚类算法将学员分成不同学习群体；获取历史学员学习行为模式信息，将学习周期划分为多个学习子周期；根据学习行为模式信息的相似度将学员标记学习行为模式标签；将学员在当前学习子周期的预测评估值与学员所属的学习群体对应的参考评估值进行数据分析得到学习效果系数，当所述学习效果系数小于预设效果阈值，则获取学员的学习行为模式标签并进行调整；解决如何更精准的分析学员的学习效果和学习行为，进而预测学员的学习行为趋势，以提供个性化、精准的干预措施。

本发明授权基于时间序列分析的学员学习行为趋势预测方法和系统在权利要求书中公布了：1.基于时间序列分析的学员学习行为趋势预测方法，其特征在于，所述方法包括：获取历史学员的学习日志，将所述学习日志进行数据清洗后提取特征变量，所述特征变量包括学习行为、时间戳、位置信息；根据所述特征变量进行数据分析得到历史学员的时间熵值和空间熵值并记为历史时空熵值，根据所述历史时空熵值通过聚类算法将学员分成不同学习群体；将历史学员的学习行为转化为时间序列数据并通过自编码器提取关键特征得到学习行为模式信息，将所述学习行为模式信息通过时间序列转折点识别算法得到学习行为模式的转折时间点，根据所述转折时间点将学习周期划分为多个学习子周期；通过时间序列聚类方法分析学员的学习行为模式信息的相似度，根据所述学习行为模式信息的相似度将学员在每个学习子周期内进行分类并标记学习行为模式标签；获取学员的历史作业数据并提取作业特征，将所述作业特征通过数据分析得到评估值；将所述评估值基于时间序列模型分析预测得到学员在当前学习子周期的预测评估值；通过统计分析方法得到不同学习群体在当前学习子周期的参考评估值；获取学员的时空熵值并根据其时空熵值识别学员所属的学习群体，将所述预测评估值与学员所属的学习群体对应的参考评估值进行数据分析得到学员的学习效果系数，当所述学习效果系数小于预设效果阈值，则获取学员的学习行为模式标签并进行调整；所述获取学员的历史作业数据并提取作业特征，将所述作业特征通过数据分析得到评估值；将所述评估值基于时间序列模型分析预测得到学员在当前学习子周期的预测评估值的方法包括：获取作业评测标准图像数据作为标准数据集，将所述标准数据集进行数据预处理得到第一数据集，将所述第一数据集通过概率统计方法进行去噪处理得到第二数据集，将所述第二数据集通过切割算法进行分类切割得到第三数据集；所述标准图像数据包括标准书法字体或规范字帖的图像；所述切割算法采用最小包围盒算法进行文字切割；将所述第三数据集提取全局特征和局部特征，并通过降维算法进行降维后得到降维全局特征和降维局部特征；将所述降维全局特征和降维局部特征进行特征融合后，通过SVM分类器进行特征训练并分类得到标准特征；所述特征融合采用串行融合方法；在将学员的历史作业数据和第三数据集进行特征提取前，通过轮廓波变换得到低频分量和高频分量；将学员的作业特征与标准特征的低频分量通过最小欧式距离准则进行相似性计算得到第一相似度，当所述第一相似度大于预设的第一相似度阈值时，则将学员的作业特征与标准特征的高频分量进行分解后选取大于预设高频阈值的高频特征点，并将所述高频特征点通过特征点匹配算法得到第二相似度并记为特征相似度；将所述第三数据集通过特征提取后采用SVM分类器进行分类得到标准特征；通过德尔菲法将标准特征与标准评测分值建立联系得到特征-分值关系分布；将学员的作业特征与标准特征采用特征匹配分析方法得到特征相似度；当所述特征相似度大于预设的特征相似度阈值时，则判定学员的作业特征所属的标准特征并结合特征-分值关系分布得到学员的评测分值，根据所述学员的评测分值采用时间序列分析得到评测分值变化趋势，根据所述评测分值变化趋势得到预测分值；根据所述评测分值变化趋势得到波动系数，所述波动系数用于判断学员的评测分值的稳定性；根据所述波动系数对预测分值进行修正得到修正评测分值并记为预测评估值；所述根据所述评测分值变化趋势得到波动系数，所述波动系数用于判断学员的评测分值的稳定性；根据所述波动系数对预测分值进行修正得到修正评测分值并记为预测评估值的方法包括：获取学员在当前学习子周期内的评测分值序列为，其中表示第次评测的评测分值，为评测总次数；根据评测分值序列得到评测分值的变化趋势；所述波动系数为评测分值标准差与评测分值均值的比值；所述评测分值均值的计算公式为：；所述评测分值标准差的计算公式为：；所述波动系数的计算公式为： ；通过时间序列模型预测得到的学员预测评测分值为；当所述波动系数小于预设的安全波动系数阈值时，则根据所述波动系数进行修正得到修正评测分值；所述修正评测分值的计算公式为： ；其中，是修正系数，表示波动系数对修正分值的影响程度，通过历史数据统计分析得到；当所述波动系数大于预设的安全波动系数阈值时，则获取学员的学习行为模式标签并进行调整；所述根据所述特征变量进行数据分析得到历史学员的时间熵值和空间熵值并记为历史时空熵值的方法包括：所述时间熵值用于表示学员在学习时段的集散程度，所述时间熵值的公式为： ；其中，表示学习时段的数量，表示在第个学习时段的学习概率；表示在第个学习时段的学习次数；表示在所有学习时段的学习的总次数；所述空间熵值用于表示学员在学习位置的分布程度，所述空间熵值的公式为： ；其中，表示学习位置类别的数量，表示在第个学习位置的学习概率；表示在第个学习位置的学习次数；表示在所有学习位置的学习的总次数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人德瑞骅科技(北京)有限公司，其通讯地址为：100071 北京市通州区光华路甲1号院23号楼4层101-410号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。