六，论文研读
- 论文名称：桂忠艳，张艳明，李巍巍.基于行为序列分析的学习资源推荐算法.
- 研究对象
学习行为序列 - 研究动机
利用推荐算法模型，推荐学习资源。 - 文献综述
-
行为序列定义及相关概念
学习行为发生时间的先后形成的行为次序序列，学习行为序列按时间发生的先后顺序组成行为序列集。
状态串：(a, click)，元素对中元素链接组成的字符串，aclick。
状态转移：状态串转移，代表着学习兴趣的转移，同时可以通过两个行为序列中是否存在相同的状态转移判断两个行为序列的相似性
状态集：由状态串组成的有限集。表示为{s 1 , s 2 , …,s i , …, s n }(n≥2)或{ s 1 →s 2 →…s i →s j …→s n }( n≥2)。
状态序列：状态集中所有状态串依次链接成的较长字符串。s 1 →s 2 →…s i →s j …→s n 。 -
相似度计算
状态序列可以反映：状态发生的次序，状态的转移特征，状态值。
1，状态次序相似度
状态序列 B i 和 B j 的状态次序相似度公式
最大公共子序列的状态个数比上两个状态序列的所有状态串个数。
2，状态转移相似度计算过程- 状态串个数为 ω+1， γ+1。状态转移个数为 ω， γ。ε 个相同的状态转移。
- 最少转移次数 τ i 。
- 求和得到 ψ。
初始化 ψ=0；
for(j=1; j≤ε; j++){ ψ = ψ+τ j ; } - 相似度公式
(sim-trans=frac{varphi }{omega +gamma })
3，状态值相似度
序列公共的状态串个数比上所有的状态串个数（状态次序相似度公司中不同在于是最大公共子序列）。
-
4，行为序列相似度
由状态次序相似度，状态转移相似度，和状态值相似度线性组合给出。
$simleft ( S_{i} ight,S_{j} )=alpha imes sim-seqleft ( B_{i} ight,B_{j} )+eta imes sim-transleft ( B_{i} ight,B_{j} )+gamma imes sim-valueleft ( B_{i} ight,B_{j} )$
- 基于行为序列的协同过滤推荐算法（再看）
计算学习者之间的相似度：对行为序列集中的每个行为序列按时间发生的先后顺序赋予不断增大的权重，要引入基于时间权重的函数。 - 基于学习者学习风格的推荐算法
- 基于行为序列分析的学习资源推荐模型
- 研究方案设计
- 使用数据集
- 研究结论
提出的推荐算法可以得到更符合学习者需求的学习资源推荐列表，没有对学习模式进行限制，具有很高的适用性。 - 学习心得
前几篇文献都是着重讲的怎么对行为数据进行挖掘分析，这篇在前几篇的基础上对挖掘出的模式进行资源推荐。