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！

申请/专利权人：南京邮电大学

摘要：一种针对大规模在线教育平台MOOC数据集的异常检测方法，通过孤立森林算法解决了MOOC数据无标签的问题，对数据进行了初步的标注，为后续的监督学习算法提供了可供其训练的标签数据集，降低了人工标注的成本；监督学习算法LightGBM解决了无监督学习算法检测效果欠佳的问题，进一步提高了异常检测的精确度。无监督的孤立森林算法与有监督的LightGBM算法相结合的模型，提高了对MOOC在线学习课程学习者作弊行为的检测效率和精度，能够提高课程的总体学习效果以及学习效率。

主权项：1.一种针对大规模在线教育平台MOOC数据集的异常检测方法，其特征在于：包括如下步骤：步骤1，收集MOOC学习者的学习行为数据以及学习者、学习课程的相关数据，对MOOC数据集进行特征提取，并对数据进行标准化和归一化处理，对其进行PCA降维后，得到数据特征集；步骤2，建立孤立森林无监督异常检测模型，对部分MOOC数据进行检测，将检测到的异常学习者进行数据标注，为后续的LightGBM模型提供标签基础；步骤2的具体步骤如下：步骤2-1，根据MOOC数据集，设训练数据集的数量为N条，特征数为M个，进行iTree的构造；步骤2-2，获得的t个iTree，对每一个X，令其遍历每一棵孤立树，计算Xi在森林中的平均高度hX，对所有的平均高度做归一化处理；异常值分数的计算公式如下： 其中，n是样本集的大小；hX为样本X的路径长度；cn为路径长度的平均值，用来标准化hX获得实例X的异常分数值；Hn-1为调和数，计为lnn-1+0.5772156649，该常数是欧拉常数；EhX表示数据X在多棵iTree的路径长度的均值；步骤2-3，通过步骤2-2，获得各样本X的异常分数s，当Ehx→cn时，s→0.5，即样本x的路径平均长度与树的平均路径长度相近时，则不能区分是不是异常；当EhX→0时，s→1，即x的异常分数接近1时，被判定为异常；当EhX→n-1时，s→0，被判定为正常；按此，对大量未标记的MOOC数据集中的部分数据进行标记，为LightGBM模型的训练提供标签数据；步骤2-1中，构造iTree的过程如下：首先，从N条训练数据集中随机选取n个样本作为子数据集；然后，从X＝{x1,x2,…,xM}的M个特征向量中选择一个特征作为根节点；接着，选择该特征的最大值和最小值之间一个划分值p，并对子数据集进行二叉划分，将小于该值的数据划分为左子节点，大于该值的数据划分为右子节点；最后，递归左右子节点，直到叶子节点只有一个实例或者达到了树的限定高度；步骤3，利用步骤2中得到的伪标签数据，通过监督学习算法LightGBM训练模型数据，实现MOOC异常学习行为者的发现，从而对异常学习者进行警告，起到监督的作用。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种针对大规模在线教育平台MOOC数据集的异常检测方法