CN115618105A - 一种基于大数据的数据信息分析系统及方法 - Google Patents

Abstract

本发明涉及数据转化和信息分析技术领域，具体为一种基于大数据的数据信息分析系统及方法，系统包括数据采集模块、数据转化模块、用户信息库模块和信息分析模块；数据采集模块用于采集用户通过互联网进行学习过程中产生的数据，与数据转化模块相连；数据转化模块用于将数据采集模块采集到的数据转化为用户学习习惯信息，并上传到用户信息库模块；用户信息库模块用于存储用户学习习惯信息并进行分类保存；信息分析模块用于获取数据转化模块转化的用户学习习惯信息并进行分析，然后为用户通过互联网进行学习提供合适的学习内容和学习方式；本发明通过采集用户通过互联网进行学习过程中产生的数据，分析得出用户的学习意愿和学习能力。

Description

一种基于大数据的数据信息分析系统及方法

技术领域

本发明涉及数据转化和信息分析技术领域，具体为一种基于大数据的数据信息分析系统及方法。

背景技术

随着移动互联网的深入发展，各种移动智能终端给人们的生活带来了很多便利和乐趣，移动互联网已经成为人们生活、学习和工作的重要组成部分；同时，移动互联网快速发展的节奏使得人们的学习生活被分割成很多碎片，这些被分割的碎片化时间不够完成某一项系统性的学习，但加在一起的体量又非常庞大；为了有效利用这些碎片化的学习时间，我们需要把系统的、具体的学习分散在这些碎片化的学习中，同时移动智能终端能让学习者随时随地、按需学习成为了可能，但是，人们在碎片化学习中面临学习内容微型化、海量化，人们在选择学习内容无法匹配适合自身兴趣、理解能力和思维边界的学习内容，所以，人们需要一种基于大数据的数据信息分析系统及方法来解决上述问题。

发明内容

本发明的目的在于提供一种基于大数据的数据信息分析系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的数据信息分析系统，所述系统包括数据采集模块、数据转化模块、用户信息库模块和信息分析模块；所述数据采集模块用于采集用户通过互联网进行学习过程中产生的数据，与数据转化模块相连；所述数据转化模块用于将数据采集模块采集到的数据转化为用户学习习惯信息，并上传到用户信息库模块；所述用户信息库模块用于存储用户学习习惯信息并进行分类保存；所述信息分析模块用于获取数据转化模块转化的用户学习习惯信息并进行分析，然后为用户通过互联网进行学习提供合适的学习内容和学习方式。

进一步的，所述数据采集模块包括行为数据采集单元和内容数据采集单元，所述行为数据采集单元用于采集用户利用互联网进行学习时与使用终端交互过程中用户产生的动作行为数据和终端产生的交互数据，所述用户产生的行为数据包括用户与终端设备交互时用户动作数据，以便于分析用户在互联网学习中使用终端的动作行为，从而判断用户在学习不同内容时表现的不同的学习状态，然后提供提高用户思维认知的学习内容；所述终端产生的行为数据包括用户与终端设备交互时终端的行为数据，以便于分析用户对正在学习的内容的难度感受和兴趣；所述内容数据采集单元用于采集用户利用互联网进行学习时在使用终端中的软件应用类型和软件应用中学习的内容，以便于分析用户习惯通过哪种形式来进行学习。

进一步的，所述数据转化模块包括交互数据转化单元和特征数据转化单元，所述交互数据转化单元用于将行为数据采集单元采集到的数据和内容采集单元采集到的数据转化为用户学习特征信息，以便于通过用户学习特征信息对用户学习性格和用户学习能力进行标记，与用户信息库存储的历史数据进行对比，从而更精确的为用户匹配适合用户学习性格和用户学习能力的内容进行学习；所述特征转化单元用于将用户特征信息转化为用户学习性格信息和用户学习能力信息，以便于更好的分类存储在用户信息库中作为大数据进行检索。

进一步的，所述用户信息库模块包括学习性格库单元和学习能力库单元，所述学习性格库单元用于存储数据转化单元转化得到的用户学习性格信息，并提取用户学习性格进行学习性格分类，以便于在进行用户信息分析时更准确的匹配到用户的学习性格；所述学习能力库单元用于存储数据转化单元转化得到的用户学习能力信息，并提取用户学习能力进行学习能力分级，以便于在进行用户信息分析时根据用户的学习能力为用户匹配能够不断提升学习能力的内容。

进一步的，所述信息分析模块包括学习方式分析单元和学习内容分析单元，所述学习方式分析单元用于获取数据采集模块采集到的用户产生的动作行为数据和终端产生的交互数据，并结合学习性格库中存储的性格信息，分析用户通过互联网学习时的习惯，并根据分析出的习惯为用户提供合适的学习方法；所述学习内容分析单元用于获取数据采集模块采集到的终端中的软件应用类型和软件应用中学习的内容，分析用户通过互联网学习时的载体和内容，并结合学习能力库中存储的用户学习能力分级信息，提供用户合适的学习内容。

一种基于大数据的数据信息分析方法，包括以下步骤：

S1：数据采集模块采集用户通过互联网学习时使用终端过程中产生的数据；

S2：数据转化模块将数据采集模块采集到的数据转化为用户学习特征信息；

S3：用户信息库模块根据用户学习特征信息进行学习性格分类和学习能力分级；

S4：信息分析模块分析用户学习特征信息并结合学习性格分类和学习能力分级，提供用户合适的学习内容和学习方式；

S5:信息分析模块提供符合用户学习性格和学习能力的内容同时，提供用户学习兴趣之外的内容，然后反馈用户在学习时的交互数据。

进一步的，在步骤S1中：数据采集模块通过互联网终端先采集用户每天互联网在线的总时长t_总，将用户通过互联网访问的应用分为音频应用、图文应用和视频应用，再采集音频应用的在线时长t₁、图文应用的在线时长t₂和视频应用的在线时长t₃，再然后采集在t₁时间内使用应用的用户点击次数d₁、用户滑动次数h₁、用户按压拖动次数a₁；在t₂时间内使用应用的用户点击次数d₂、用户滑动次数h₂、用户按压拖动次数a₂；在t₃时间内使用应用的用户点击次数d₃、用户滑动次数h₃、用户按压拖动次数a₃；通过采集用户通过互联网进行学习的应用形式，分析用户的学习习惯，采集用户在终端中的交互数据，分析用户的对学习内容的兴趣和接受程度，从而根据内容判断用户的学习认知边界。

在步骤S2中：数据转化模块获取到数据采集模块采集到的数据，首先将音频应用、图文应用和视频应用的在线时长数据转化为用户使用意愿，通过计算音频应用、图文应用和视频应用占互联网使用总时长的占比y_i表示用户使用意愿，公式为：

其中t_i＝t₁,t₂,t₃，设置用户使用意愿阈值y_s，当y_i<y_s，表示用户使用意愿低；当y_i≥y_s，表示用户使用意愿高；然后将用户点击次数、用户滑动次数和用户按压拖动次数转换为用户学习程度，通过分别计算用户点击次数、用户滑动次数和用户按压拖动次数占总次数的比例作为权重，利用线性加权公式计算结果C_i表示用户学习程度，公式为：

其中d_i＝d₁,d₂,d₃，h_i＝h₁,h₂,h₃，a_i＝a₁,a₂,a₃，设置用户学习程度标准值C_s，当C_i<C_s，表示用户学习程度低；当C_i≥C_s，表示用户学习程度高。根据用户使用意愿和用户学习程度进行用户学习特征标记；通过将用户的学习在线时长转化为学习意愿，用户的交互数据转化学习程度，从而更好的根据用户的学习意愿匹配适合用户学习的应用形式，根据用户的学习程度结合用户学习的内容为用户匹配能够提高思维认知和深度广度的学习内容。

进一步的，在步骤S3中：用户信息库模块根据用户通过互联网在终端上进行学习的内容结合数据转化模块转化得到的用户使用意愿和用户学习程度进行用户学习性格分类和用户学习能力分级，将用户学习性格分为主动学习型和被动学习型，将用户学习能力分为信息接收快和信息接收慢；以便于根据用户的学习性格和用户的学习能力的历史数据分析用户通过互联网学习的变化过程。

进一步的，在步骤S4中：信息分析模块首先获取用户在终端上学习的内容信息，根据学习的内容分析用户的学习兴趣，然后获取用户使用意愿信息和用户学习程度信息，分析用户学习性格和用户学习能力给用户提供符合用户学习性格和用户学习能力的内容，同时会在用户学习兴趣之外提供其他内容供用户学习，然后反馈用户在学习其他内容时跟终端的交互数据，通过分析反馈的数据判断用户在接受学习兴趣之外的其他内容时的学习程度信息，同时将分析结果存储得到用户信息库模块，形成用户思维认知大数据，然后不断地在用户学习兴趣之内和用户学习兴趣之外同时去推荐学习内容，拓展用户的思维认知边界，冲破个人信息茧房。

进一步的，在步骤S5中：信息分析模块在提供给用户在用户学习兴趣之内的符合用户学习能力的内容，同时提供用户学习能力之外的内容，首先采集用户在学习能力之外的内容时的内容总时长t_外，用户在线时长t_用，计算用户在线时长与内容总时长的占比

然后采集用户在学习过程中的交互数据包括用户点击次数d₄、用户滑动次数h₄、用户按压拖动次数a₄，分别以用户点击次数、用户滑动次数和用户按压拖动次数为x轴、y轴和z轴建立三维直角坐标系，得到一组交互数据集合D＝{(x₁,y₁,z₁),(x₂,y₂,z₂),...,(x_n,y_n,z_n)}，其中x_n表示第n个用户点击次数数据，y_n表示第n个用户滑动次数数据，z_n表示第n个用户按压拖动次数数据；利用聚类算法对用户学习内容进行聚类，选取用户感兴趣的学习内容交互数据(x_感,y_感,z_感)为样本中心点，计算集合中其他样本点(x_j,y_j,z_j)到样本中心点的距离，公式为：

其中(x_感,y_感,z_感)∈D，(x_j,y_j,z_j)∈D，选取聚类后得到邻居多的距离为特征距离，然后计算特征距离之内的内容的用户使用意愿和用户学习程度，然后扩大特征距离，得到新的聚类，此时得到新增加的样本点，向用户推荐新增加的样本点对应的学习内容。

与现有技术相比，本发明所达到的有益效果是：通过数据采集模块采集用户利用互联网进行学习时与使用终端交互过程中用户产生的动作行为数据和终端产生的交互数据，数据转化模块将采集到数据转化为用户学习性格信息和用户学习能力信息，以便于更好的分类存储在用户信息库中作为大数据进行检索，用户信息库模块将用户学习性格分为主动学习型和被动学习型，将用户学习能力分为信息接收快和信息接收慢，信息分析模块获取数据采集模块采集到的数据和用户信息库模块存储的信息，分析用户学习性格和用户学习能力并结合用户的学习兴趣给用户提供适合的学习方式和学习内容，能够提高用户思维认知和深度广度。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于大数据的数据信息分析系统的结构示意图；

图2是本发明一种基于大数据的数据信息分析方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图2，本发明提供技术方案：一种基于大数据的数据信息分析系统，系统包括数据采集模块、数据转化模块、用户信息库模块和信息分析模块；所述数据采集模块用于采集用户通过互联网进行学习过程中产生的数据，与数据转化模块相连；所述数据转化模块用于将数据采集模块采集到的数据转化为用户学习习惯信息，并上传到用户信息库模块；所述用户信息库模块用于存储用户学习习惯信息并进行分类保存；所述信息分析模块用于获取数据转化模块转化的用户学习习惯信息并进行分析，然后为用户通过互联网进行学习提供合适的学习内容和学习方式。

数据采集模块包括行为数据采集单元和内容数据采集单元，所述行为数据采集单元用于采集用户利用互联网进行学习时与使用终端交互过程中用户产生的动作行为数据和终端产生的交互数据，所述用户产生的行为数据包括用户与终端设备交互时用户动作数据，以便于分析用户在互联网学习中使用终端的动作行为，从而判断用户在学习不同内容时表现的不同的学习状态，然后提供提高用户思维认知的学习内容；比如用户点击屏幕次数、用户按压屏幕拖动次数，所述终端产生的行为数据包括用户与终端设备交互时终端的行为数据，比如屏幕亮屏时间，用户经常浏览的页面，用户经常使用的应用，以便于分析用户对正在学习的内容的难度感受和兴趣；所述内容数据采集单元用于采集用户利用互联网进行学习时在使用终端中的软件应用类型和软件应用中学习的内容，比如是音频应用、图文应用和视频应用，以便于分析用户习惯通过哪种形式来进行学习。

数据转化模块包括交互数据转化单元和特征数据转化单元，所述交互数据转化单元用于将行为数据采集单元采集到的数据和内容采集单元采集到的数据转化为用户学习特征信息，以便于通过用户学习特征信息对用户学习性格和用户学习能力进行标记，与用户信息库存储的历史数据进行对比，从而更精确的为用户匹配适合用户学习性格和用户学习能力的内容进行学习；所述特征转化单元用于将用户特征信息转化为用户学习性格信息和用户学习能力信息，以便于更好的分类存储在用户信息库中作为大数据进行检索。

用户信息库模块包括学习性格库单元和学习能力库单元，所述学习性格库单元用于存储数据转化单元转化得到的用户学习性格信息，并提取用户学习性格进行学习性格分类，以便于在进行用户信息分析时更准确的匹配到用户的学习性格；所述学习能力库单元用于存储数据转化单元转化得到的用户学习能力信息，并提取用户学习能力进行学习能力分级，以便于在进行用户信息分析时根据用户的学习能力为用户匹配能够不断提升学习能力的内容。

信息分析模块包括学习方式分析单元和学习内容分析单元，所述学习方式分析单元用于获取数据采集模块采集到的用户产生的动作行为数据和终端产生的交互数据，并结合学习性格库中存储的性格信息，分析用户通过互联网学习时的习惯，并根据分析出的习惯为用户提供合适的学习方法；所述学习内容分析单元用于获取数据采集模块采集到的终端中的软件应用类型和软件应用中学习的内容，分析用户通过互联网学习时的载体和内容，并结合学习能力库中存储的用户学习能力分级信息，提供用户合适的学习内容。

一种基于大数据的数据信息分析方法，包括以下步骤：

S1：数据采集模块采集用户通过互联网学习时使用终端过程中产生的数据；

S2：数据转化模块将数据采集模块采集到的数据转化为用户学习特征信息；

S3：用户信息库模块根据用户学习特征信息进行学习性格分类和学习能力分级；

S4：信息分析模块分析用户学习特征信息并结合学习性格分类和学习能力分级，提供用户合适的学习内容和学习方式；

S5:信息分析模块提供符合用户学习性格和学习能力的内容同时，提供用户学习兴趣之外的内容，然后反馈用户在学习时的交互数据。

在步骤S1中：数据采集模块通过互联网终端先采集用户每天互联网在线的总时长t_总，将用户通过互联网访问的应用分为音频应用、图文应用和视频应用，再采集音频应用的在线时长t₁、图文应用的在线时长t₂和视频应用的在线时长t₃，再然后采集在t₁时间内使用应用的用户点击次数d₁、用户滑动次数h₁、用户按压拖动次数a₁；在t₂时间内使用应用的用户点击次数d₂、用户滑动次数h₂、用户按压拖动次数a₂；在t₃时间内使用应用的用户点击次数d₃、用户滑动次数h₃、用户按压拖动次数a₃；通过采集用户通过互联网进行学习的应用形式，分析用户的学习习惯，采集用户在终端中的交互数据，分析用户的对学习内容的兴趣和接受程度，从而根据内容判断用户的学习认知边界。

在步骤S2中：数据转化模块获取到数据采集模块采集到的数据，首先将音频应用、图文应用和视频应用的在线时长数据转化为用户使用意愿，通过计算音频应用、图文应用和视频应用占互联网使用总时长的占比y_i表示用户使用意愿，公式为：

其中t_i＝t₁,t₂,t₃，设置用户使用意愿阈值y_s，当y_i<y_s，表示用户使用意愿低；当y_i≥y_s，表示用户使用意愿高；然后将用户点击次数、用户滑动次数和用户按压拖动次数转换为用户学习程度，通过分别计算用户点击次数、用户滑动次数和用户按压拖动次数占总次数的比例作为权重，利用线性加权公式计算结果C_i表示用户学习程度，公式为：

其中d_i＝d₁,d₂,d₃，h_i＝h₁,h₂,h₃，a_i＝a₁,a₂,a₃，设置用户学习程度标准值C_s，当C_i<C_s，表示用户学习程度低；当C_i≥C_s，表示用户学习程度高。根据用户使用意愿和用户学习程度进行用户学习特征标记；通过将用户的学习在线时长转化为学习意愿，用户的交互数据转化学习程度，从而更好的根据用户的学习意愿匹配适合用户学习的应用形式，根据用户的学习程度结合用户学习的内容为用户匹配能够提高思维认知和深度广度的学习内容。

在步骤S3中：用户信息库模块根据用户通过互联网在终端上进行学习的内容结合数据转化模块转化得到的用户使用意愿和用户学习程度进行用户学习性格分类和用户学习能力分级，将用户学习性格分为主动学习型和被动学习型，将用户学习能力分为信息接收快和信息接收慢；以便于根据用户的学习性格和用户的学习能力的历史数据分析用户通过互联网学习的变化过程。

在步骤S4中：信息分析模块首先获取用户在终端上学习的内容信息，根据学习的内容分析用户的学习兴趣，然后获取用户使用意愿信息和用户学习程度信息，分析用户学习性格和用户学习能力给用户提供符合用户学习性格和用户学习能力的内容，同时会在用户学习兴趣之外提供其他内容供用户学习，然后反馈用户在学习其他内容时跟终端的交互数据，通过分析反馈的数据判断用户在接受学习兴趣之外的其他内容时的学习程度信息，同时将分析结果存储得到用户信息库模块，形成用户思维认知大数据，然后不断地在用户学习兴趣之内和用户学习兴趣之外同时去推荐学习内容，拓展用户的思维认知边界，冲破个人信息茧房。

在步骤S5中：信息分析模块在提供给用户在用户学习兴趣之内的符合用户学习能力的内容，同时提供用户学习能力之外的内容，首先采集用户在学习能力之外的内容时的内容总时长t_外，用户在线时长t_用，计算用户在线时长与内容总时长的占比

然后采集用户在学习过程中的交互数据包括用户点击次数d₄、用户滑动次数h₄、用户按压拖动次数a₄，分别以用户点击次数、用户滑动次数和用户按压拖动次数为x轴、y轴和z轴建立三维直角坐标系，得到一组交互数据集合D＝{(x₁,y₁,z₁),(x₂,y₂,z₂),...,(x_n,y_n,z_n)}，其中x_n表示第n个用户点击次数数据，y_n表示第n个用户滑动次数数据，z_n表示第n个用户按压拖动次数数据；利用聚类算法对用户学习内容进行聚类，选取用户感兴趣的学习内容交互数据(x_感,y_感,z_感)为样本中心点，计算集合中其他样本点(x_j,y_j,z_j)到样本中心点的距离，公式为：

其中(x_感,y_感,z_感)∈D，(x_j,y_j,z_j)∈D，选取聚类后得到邻居多的距离为特征距离，然后计算特征距离之内的内容的用户使用意愿和用户学习程度，然后扩大特征距离，得到新的聚类，此时得到新增加的样本点，向用户推荐新增加的样本点对应的学习内容。

实施例一：数据采集模块采集到用户每天互联网在线的总时长t_总，音频应用的在线时长t₁、图文应用的在线时长t₂和视频应用的在线时长t₃，然后计算音频应用、图文应用和视频应用占互联网使用总时长的占比y_i表示用户使用意愿，公式为

设置用户使用意愿阈值y_s＝10min，当y_i<y_s，表示用户使用意愿低；当y_i≥y_s，表示用户使用意愿高；再采集在t₁时间内使用应用的用户点击次数d₁、用户滑动次数h₁、用户按压拖动次数a₁；在t₂时间内使用应用的用户点击次数d₂、用户滑动次数h₂、用户按压拖动次数a₂；在t₃时间内使用应用的用户点击次数d₃、用户滑动次数h₃、用户按压拖动次数a₃，计算用户点击次数、用户滑动次数和用户按压拖动次数占总次数的比例作为权重，利用线性加权公式计算结果表示用户学习程度，公式为：

设置用户学习程度标准值C_s＝50，当C_i<C_s，表示用户学习程度低；当C_i≥C_s，表示用户学习程度高；根据用户的学习程度结合用户学习的内容为用户匹配能够提高思维认知和深度广度的学习内容。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的数据信息分析系统，其特征在于，所述系统包括数据采集模块、数据转化模块、用户信息库模块和信息分析模块；所述数据采集模块用于采集用户通过互联网进行学习过程中产生的数据，与数据转化模块相连；所述数据转化模块用于将数据采集模块采集到的数据转化为用户学习习惯信息，并上传到用户信息库模块；所述用户信息库模块用于存储用户学习习惯信息并进行分类保存；所述信息分析模块用于获取数据转化模块转化的用户学习习惯信息并进行分析，然后为用户通过互联网进行学习提供合适的学习内容和学习方式。

2.根据权利要求1所述的一种基于大数据的数据信息分析系统，其特征在于：所述数据采集模块包括行为数据采集单元和内容数据采集单元，所述行为数据采集单元用于采集用户利用互联网进行学习时与使用终端交互过程中用户产生的动作行为数据和终端产生的交互数据；所述内容数据采集单元用于采集用户利用互联网进行学习时在使用终端中的软件应用类型和软件应用中学习的内容。

3.根据权利要求1所述的一种基于大数据的数据信息分析系统，其特征在于：所述数据转化模块包括交互数据转化单元和特征数据转化单元，所述交互数据转化单元用于将行为数据采集单元采集到的数据和内容采集单元采集到的数据转化为用户学习特征信息；所述特征转化单元用于将用户特征信息转化为用户学习性格信息和用户学习能力信息。

4.根据权利要求1所述的一种基于大数据的数据信息分析系统，其特征在于：所述用户信息库模块包括学习性格库单元和学习能力库单元，所述学习性格库单元用于存储数据转化单元转化得到的用户学习性格信息，并提取用户学习性格进行学习性格分类；所述学习能力库单元用于存储数据转化单元转化得到的用户学习能力信息，并提取用户学习能力进行学习能力分级。

5.根据权利要求1所述的一种基于大数据的数据信息分析系统，其特征在于：所述信息分析模块包括学习方式分析单元和学习内容分析单元，所述学习方式分析单元用于获取数据采集模块采集到的用户产生的动作行为数据和终端产生的交互数据，并结合学习性格库中存储的性格信息，分析用户通过互联网学习时的习惯，并根据分析出的习惯为用户提供合适的学习方法；所述学习内容分析单元用于获取数据采集模块采集到的终端中的软件应用类型和软件应用中学习的内容，分析用户通过互联网学习时的载体和内容，并结合学习能力库中存储的用户学习能力分级信息，提供用户合适的学习内容。

6.一种基于大数据的数据信息分析方法，其特征在于：包括以下步骤：

S1：数据采集模块采集用户通过互联网学习时使用终端过程中产生的数据；

S2：数据转化模块将数据采集模块采集到的数据转化为用户学习特征信息；

S3：用户信息库模块根据用户学习特征信息进行学习性格分类和学习能力分级；

S4：信息分析模块分析用户学习特征信息并结合学习性格分类和学习能力分级，提供给用户合适的学习内容和学习方式；

S5:信息分析模块提供符合用户学习性格和学习能力的内容同时，提供用户学习兴趣之外的内容，然后反馈用户在学习时的交互数据。

7.根据权利要求6所述的一种基于大数据的数据信息分析方法，其特征在于：在步骤S1中：数据采集模块通过互联网终端先采集用户每天互联网在线的总时长t_总，将用户通过互联网访问的应用分为音频应用、图文应用和视频应用，再采集音频应用的在线时长t₁、图文应用的在线时长t₂和视频应用的在线时长t₃，再然后采集在t₁时间内使用应用的用户点击次数d₁、用户滑动次数h₁、用户按压拖动次数a₁；在t₂时间内使用应用的用户点击次数d₂、用户滑动次数h₂、用户按压拖动次数a₂；在t₃时间内使用应用的用户点击次数d₃、用户滑动次数h₃、用户按压拖动次数a₃。

在步骤S2中：数据转化模块获取到数据采集模块采集到的数据，首先将音频应用、图文应用和视频应用的在线时长数据转化为用户使用意愿，通过计算音频应用、图文应用和视频应用占互联网使用总时长的占比y_i表示用户使用意愿，公式为：

其中t_i＝t₁,t₂,t₃，设置用户使用意愿阈值y_s，当y_i<y_s，表示用户使用意愿低；当y_i≥y_s，表示用户使用意愿高；然后将用户点击次数、用户滑动次数和用户按压拖动次数转换为用户学习程度，通过分别计算用户点击次数、用户滑动次数和用户按压拖动次数占总次数的比例作为权重，利用线性加权公式计算结果C_i表示用户学习程度，公式为：

其中d_i＝d₁,d₂,d₃，h_i＝h₁,h₂,h₃，a_i＝a₁,a₂,a₃，设置用户学习程度标准值C_s，当C_i<C_s，表示用户学习程度低；当C_i≥C_s，表示用户学习程度高；根据用户使用意愿和用户学习程度进行用户学习特征标记。

8.根据权利要求6所述的一种基于大数据的数据信息分析方法，其特征在于：在步骤S3中：用户信息库模块根据用户通过互联网在终端上进行学习的内容结合数据转化模块转化得到的用户使用意愿和用户学习程度进行用户学习性格分类和用户学习能力分级，将用户学习性格分为主动学习型和被动学习型，将用户学习能力分为信息接收快和信息接收慢。

9.根据权利要求6所述的一种基于大数据的数据信息分析方法，其特征在于：在步骤S4中：信息分析模块首先获取用户在终端上学习的内容信息，根据学习的内容分析用户的学习兴趣，然后获取用户使用意愿信息和用户学习程度信息，分析用户学习性格和用户学习能力给用户提供符合用户学习性格和用户学习能力的内容，同时会在用户学习能力之外提供其他内容供用户学习，然后反馈用户在学习其他内容时跟终端的交互数据，通过分析反馈的数据判断用户在接受学习能力之外的其他内容时的学习程度信息，同时将分析结果存储得到用户信息库模块，形成用户思维认知大数据，然后不断地在用户学习能力之内和用户学习能力之外同时去推荐学习内容，拓展用户的思维认知边界。

10.根据权利要求6所述的一种基于大数据的数据信息分析方法，其特征在于：在步骤S5中：信息分析模块在提供给用户在用户学习兴趣之内的符合用户学习能力的内容，同时提供用户学习能力之外的内容，首先采集用户在学习能力之外的内容时的内容总时长t_外，用户在线时长t_用，计算用户在线时长与内容总时长的占比

然后采集用户在学习过程中的交互数据包括用户点击次数d₄、用户滑动次数h₄、用户按压拖动次数a₄，分别以用户点击次数、用户滑动次数和用户按压拖动次数为x轴、y轴和z轴建立三维直角坐标系，得到一组交互数据集合D＝{(x₁,y₁,z₁),(x₂,y₂,z₂),...,(x_n,y_n,z_n)}，其中x_n表示第n个用户点击次数数据，y_n表示第n个用户滑动次数数据，z_n表示第n个用户按压拖动次数数据；利用聚类算法对用户学习内容进行聚类，选取用户感兴趣的学习内容交互数据(x_感,y_感,z_感)为样本中心点，计算集合中其他样本点(x_j,y_j,z_j)到样本中心点的距离，公式为：

其中(x_感,y_感,z_感)∈D，(x_j,y_j,z_j)∈D，选取聚类后得到邻居多的距离为特征距离，然后计算特征距离之内的内容的用户使用意愿和用户学习程度，然后扩大特征距离，得到新的聚类，此时得到新增加的样本点，向用户推荐新增加的样本点对应的学习内容。

Images